基于CEEMDAN和层次波动离散熵的滚动轴承声音信号故障检测

摘要：

声音信号在收集时具有非接触测量的优势,但容易受到周围环境噪声的干扰而导致信噪比较低,不利于特征信息的获取.为从滚动轴承声音数据中提炼出有效的特征信息,并实现故障的精准识别,提出一种基于自适应噪声完全集成经验模态分解(CEEMDAN)和层次波动离散熵(HFDE)的声音信号故障诊断策略.在该策略中,CEEMDAN缓解了集成经验模态分解(EEMD)的模态混淆缺陷;针对传统多尺度波动离散熵(MFDE)无法考虑时间序列的高频信息的缺陷,提出一种基于层次化处理的层次波动离散熵非线性动力学指标.将所提策略用于滚动轴承的故障识别,能够检测出不同故障状态下的声音数据.通过数值模拟和滚动轴承实验数据分析,将所提方法与CEEMDAN-MFDE、EEMD-HFDE、EEMD-MFDE、HFDE和MFDE进行对比.结果表明:所提方法达到了 100％的识别准确率,多次实验的平均识别准确率也达到了99.5％,均高于对比方法,从而验证了该策略的有效性和优越性.

关键词：滚动轴承声音信号、故障检测、白适应噪声完备集成经验模态分解、层次波动离散熵、层次处理

所属期刊栏目：51

分类号：TH17

在线出版日期：2023-08-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：195-203