| 基于MCKD与CEEMDAN的声信号故障特征提取方法 |
| |
| 作者姓名： | 申博文 王华庆 唐刚 宋浏阳 |
| |
| 作者单位： | 北京化工大学机电工程学院,北京,100029;北京化工大学机电工程学院,北京,100029;北京化工大学机电工程学院,北京,100029;北京化工大学机电工程学院,北京,100029 |
| |
| 基金项目： | 国家自然科学基金;国家自然科学基金 |
| |
| 摘 要： | 在双转子轴承状态监测与故障诊断中,信号传递路径复杂,很难通过加速度传感器直接获得信号,而声音信号有非接触式测量的优势,包含大量特征信息.为了能够准确、有效地通过声音信号实现滚动轴承故障诊断,检测出轴承故障,提出了基于自适应噪声完备集合经验模态分解(CEEMDAN)和最大相关峭度解卷积(MCKD)的滚动轴承故障诊断方法.首先运用最大相关峭度解卷积方法增强轴承故障声音信号中的冲击,然后对处理后的信号进行CEEMDAN处理,计算每个经验模态分量的峭度值,根据峭度值选取最优分量并求Hilbert包络谱,以准确提取故障特征频率.文中采用该方法基于声音信号实现滚动轴承故障诊断,为提取最优分量提供了理想筛选标准,一定程度上降低了故障诊断的复杂程度,具有良好的自适应性.
|
| 关 键 词： | 故障诊断 最大相关峭度解卷积 自适应噪声完备集合经验模态分解 Hilbert包络谱 声音信号 |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
