基于MF-SVD的滚动轴承振动信号故障特征提取方法研究

摘要：

极值域均值模式分解(EMMD)在抑制端点效应、算法精度、计算耗时等方面均比经验模式分解(EMD)算法和自适应时变滤波分解(ATVFD)有着明显的优势,能够有效地对旋转机械振动信号进行故障特征提取,由于现场信号通常掺杂大量噪声,严重影响了EMMD的分解精度.针对该问题,提出了基于形态滤波-奇异值(MF-SVD)的去噪方法,并将其与EMMD相结合,建立了一种新的故障特征提取方法.实验结果表明:该方法能够有效、准确地提取旋转机械滚动轴承内圈损伤的故障特征,有着良好运算速度和精确度.

关键词：极值域均值模式分解、形态滤波、奇异值分解、特征提取

所属期刊栏目：53

分类号：TP273(自动化技术及设备)

资助基金：黑龙江省长江学者后备计划资助2012CJHB005

在线出版日期：2017-07-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：31-36