基于EEMD与MCKD的滚动轴承故障诊断.pdfVIP

基于EEMD和MCKD的滚动轴承故障诊断 周 智 张优云 朱永生 韩春雷 西安交通大学润滑理论及轴承研究所，陕西西安710049 摘 要：为提高滚动轴承故障振动信号信噪比以及增强提取周期冲击的效果，本文提出了集总经验模式分解EEMD和最大相关 峭度反卷积MCKD相结合的方法，并将其应用于滚动轴承故障诊断中。论文首先利用EEMD自适应地将信号分解成多个基本模式分量 IMF，通过互相关系数准则和峭度准则判定出对故障敏感的基本模式分量，然后以相关峭度最大化为目标对其进行MCKD处理，最后 进行包络谱分析得出诊断结果。滚动轴承实验信号证明了本文方法的有效性。 关键词：EEMD；MCKD;滚动轴承；故障诊断 中图分类号：TP206.3;TH133.33文献标识码:A FaultdiagnosisofrollingbearingsbasedonEEMDandMCKD ZHOUZhiZHANGYou-yunZHUYong-shengHANChun-lei XianJiaotongUniversity,TheoryofLubricationBearingInstitute,Xian710049,China Abstract:Inordertoenhancethesignaltonoiseratiooforiginalsignalofrollingbearingandextractioneffectsofimpactingsignals, thispaperpresentsamethodoffaultdiagnosisofroilingbearingbasedoncombinationEEMDwithMCKD.Firstly,manycomponentsare decomposedviaEEMD,andsensitiveIMFsareselectedbyeorrelationcoefficientcriterionandkurtosiscriterion,thenitsanalyzedbyusing MCKDwhichsearchesforanoptimumsetoffiltercoefficientsthatrecovertheoutputsignalwiththemaximumvalueofkurtosis.Last,the resultsareanalyzedbyusingenvelopespectrum.Arollingbearingexperimentresultsshowthevalidityoftheproposedmethod. Keywords:EEMD;MCKD;Roilingbearing;Faultdiagnosis 振动与冲击 2012年第S期 次加入新的白噪声序列；(4)将肘次得到的IMF集成 2基于EEMD和MCKD的滚动轴承故障诊断 均值作为最终结果： 为降低噪声和谐波分量的影响以提高反卷积提取 (1) q=古∑q∥i=1…2．N，m=l一2·M ．1Vlm=l 故障冲击特征的效果，本文首先对原始振动信号进行 通过计算风与原始信号之间的互相关系数ct，并 EEMD分解，然后利用互相关系数准则和峭度准则选择 对其进行归一化得到C。；通过Ct的大小来判别ae是否对故障冲击敏感的IMF，同时为了提高对周期故障冲 为伪分量，同时为了反映信号的非平稳性，计算珥的 击提取准确性，然后对敏感的IMF进行Mcl(D处理，最 后对MCKD处理后的信号进行包络谱分析，得出诊断结 峭度岛。因此可以通过C，0．1和岛3准则来判定IMF 对故障冲击的敏感性，并去除了伪分量的影响瞵j。 果。本文方法的流程如图2所示： 定义输入信