基于改进EEMD的滚动轴承故障特征提取技术.pdfVIP

第1期 组合机床与 自动化加工技术 No.1 2015 年1月 Modular Machine Tool Automatic Manufacturing Technique Jan. 2015 文章编号:1001-2265(2015)01-0087-04　 　 　 　 DOI:10.13462/ ki.mmtamt.2015.01.024 基于改进 EEMD的滚动轴承故障特征提取技术 魏永合,王明华,林梦菊,田　 鹏 (沈阳理工大学机械工程学院,沈阳　 110159) 摘要:在对集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)进行研究之后,提出了 一种利用改进的EEMD进行滚动轴承故障特征提取的方法。 该方法根据EEMD 的分解过程中信号 和加入的白噪声的特点来选择EEMD的参数,并且对分解后所得到的的固有模态函数(IMF)分量进 行阈值处理后再重构,以降低噪声的干扰。 对重构后的信号进行包络谱分析,提取其故障特征,最后 将该方法与通用的EEMD方法进行对比,研究结果表明EEMD是一种很有效的滚动轴承故障特征提 取方法。 关键词:集合经验模态分解(EEMD);滚动轴承;特征提取 + 中图分类号:TH165 .3;TG506　 　 　 文献标识码:A A Technology on Rolling Bearings Fault Feature Extraction Based on Improved EEMD WEI Yong-he,WANG Ming-hua,LIN Meng-ju,TIAN Peng (School of Mechanical Engineering ,ShenYang Ligong University,shenyang 110159,China) Abstract:AmethodusingimprovedEEMDtothefeature extraction ofrollingbearingisproposed,afterre- search on Ensemble Empirical Mode Decomposition.Thismethod select the EEMD parametersaccording to the characteristics of signal and the added white noise of EEMD. In order to reduce the interference of noise,through thresholdingandreconstructing every intrinsic mode function . Thenthe envelop spectrum of the signal was analyzed,extracted the fault characteristics of the rolling bearings. Finally,comparing the method withuniversalEEMDmethod,theresult showsthatEEMDisaveryproductivemethodoffaultdiag- nosis of rolling bearings. Key words:ensemble empirical mode decomposition(EEMD);rolling bearing;feature extraction 0　 引言 EMD)方法能将信号自适应地分解到不同的尺度上, [4] 非常适合对于非稳定、非线性的信号进行处理 ,但其 在机