基于CEEMDAN与SVD的滚动轴承故障信号降噪研究.docxVIP

机械工程师ME

机械工程师

MECHANICALENGINEER

63网址：

63

网址：电邮：hrbengineer@163.com圆园22年第1期

基于CEEMDAN与SVD的滚动轴承故障信号降噪研究

李明，徐壮壮

（华北水利水电大学电力学院，郑州450000）

摘要：针对滚动轴承在实际工作条件下背景噪声过大且难以去除等问题，基于CEEMDAN分解与SVD对背景噪声进行过滤。经对比实验分析证明，文中提出的方法在强噪声背景下比现有的单一降噪方法更有效，可以应用于类似的滚动轴承故障信号分析当中。

关键词：去噪；CEEMDAN算法；奇异值分解

中图分类号:TH133.3；TP206 文献标志码:粤 文章编号：员园园圆原圆猿猿猿（圆园22）01原园063原园3

ResearchonNoiseReductionofRollingBearingFaultSignalBasedonCEEMDANandSVD

LIMing,XUZhuangzhuang

(SchoolofElectricPower,NorthChinaUniversityofWaterResourcesandElectricPower,Zhengzhou450000,China)

Abstract:Aimingattheproblemsofrollingbearingbackgroundnoisebeingtoolargeanddifficulttoremoveunderactualworkingconditions,thispaperfiltersthebackgroundnoisebasedonCEEMDANdecompositionandSVD.Thecomparativeexperimentalanalysisprovesthattheproposedmethodismoreeffectivethantheexistingsinglenoisereductionmethodunderthebackgroundofstrongnoise,andcanbeappliedtosimilarrollingbearingfaultsignalanalysis.

Keywords:denoising;CEEMDANalgorithm;singularvaluedecomposition

滚动轴承工作条件往往是在腐蚀、高压等恶劣环境1nj=

滚动轴承工作条件往往是在腐蚀、高压等恶劣环境

1

n

j=1

IMF=1移nExj 2

（1）。 （）下[1]，所以其发生故障的概率远远高于其他部件。传统的故障检测方法是人工直接检测[2]，主要取决于检测人员主观的经验。滚动轴承在不同状况下运行时会发出不同的振动信号[3]，故可研究其振动信号来代替直接检测，此方法可以不用依赖于经验丰富的检测员来进行操作，实现

（1

）。 （）

将信号分解为多个分量，通过分析子信号来达到分

将信号分解为多个分量，通过分析子信号来达到分

计算除去第一个模态之后的残差：

r1=x原IMF1。 （3）

i3）在r1中加入成对的正负高斯白噪声得到新的信号，

i

对新信号做EMD分解得到新的模态函数IMF1，即可得到

CEEMDAN的第二个模态函数，其与第二个残差分别为：

2ni=11； （）IMF=1移nIMF

2

n

i=1

1； （）

析原信号的目的，这种方法在分析强耦合信号中具有重要意义[5]。SVD降噪也可以将复杂噪声进行削弱处理[6-8]，

作为一种信号降噪方法，SVD广泛应用于滚动轴承振动信号[9-11]领域。

r2=r1原IMF2。 （5）

4）重复以上步骤，直至得到的第m个残差rm不能被继续分解，则初始信号被分解为

x=移mIMF+r 6

方法与原理

CEEMDAN原理

时域特征指标

l=1

lm。 （）

定义Ek(·)为经EMD分解后得到的第k个IMF，IMFk为

CEEMDAN的第k个IMF，其具体过程如下：1）设待分析信号为x，在分解信号之前，先在x中加入

n组成对的正负高斯白噪声：

kjxj=x+琢vj。 （员）

k

j

滚动轴承的时域信号是通过时间的变化而得到的信息，可以直观地反映其运行状态与特征，包括有量纲与无量纲指标。其中，无量纲指标中的峭度指标能消除因工作环境或设备参数不同所带来的影响，所以经常用其数值来反映信号包含的故障信息。

均值：