基于EEMD的滾動(dòng)軸承振動(dòng)故障特征提取與診斷研究.pdf

1、滾動(dòng)軸承是各種旋轉(zhuǎn)機(jī)械中應(yīng)用最廣泛的一種通用部件，其運(yùn)行狀態(tài)往往直接影響整臺(tái)機(jī)器的性能，對(duì)滾動(dòng)軸承的狀態(tài)監(jiān)測(cè)和故障診斷具有重要的現(xiàn)實(shí)意義和經(jīng)濟(jì)價(jià)值。在滾動(dòng)軸承發(fā)生故障時(shí)，一種常用的診斷方法就是，從振動(dòng)信號(hào)中提取一些包含故障信息的特征參數(shù)，從而揭示其故障類(lèi)型、故障位置、故障程度。因此，如何有效的提取故障特征顯得尤為重要。故障特征參數(shù)有時(shí)域參數(shù)和頻域參數(shù)。常見(jiàn)的提取方法有小波分析和經(jīng)驗(yàn)?zāi)B(tài)分解(Empirical Mode Decompos

2、ition，EMD)，而集合經(jīng)驗(yàn)?zāi)B(tài)分解(Ensemble Empirical Mode Decomposition，EEMD)作為經(jīng)驗(yàn)?zāi)B(tài)分解的優(yōu)化算法，近年來(lái)得到越來(lái)越廣泛的應(yīng)用。
　　本文采用一種方法，基于EEMD分解，提取以峭度、均方根值為代表的時(shí)域特征參數(shù)和以重心頻率、均方根頻率為代表的頻域特征參數(shù)，并運(yùn)用支持向量機(jī)(SupportVector Machine，SVM)進(jìn)行故障識(shí)別。通過(guò)與EMD分解的結(jié)果進(jìn)行對(duì)比，驗(yàn)證該