论文摘要
针对经验模态分解在轴承的故障诊断中存在着固有模态函数频谱繁多杂乱的问题,提出了一种基于经验小波变换(empirical wavelet transform(EWT))和奇异值分解(singular value decomposition,SVD)相结合的轴承故障诊断方法。该方法首先利用EWT分解的自适应性特点,对故障信号进行分解,得到各分量信号,从而有效地减少模态混叠现象;再对各分量信号进行SVD分解重构,减少噪声的影响以消除随机干扰,最后对经过SVD重构后得到的各分量信号进行Hilbert变换,得到轴承的故障特征频率。通过仿真和实验验证,EWT和SVD相结合的新算法可以准确地提取出轴承故障特征频率的基频和倍频成分,有效地确定轴承故障。
论文目录
文章来源
类型: 期刊论文
作者: 栗蕴琦,林建辉
关键词: 经验小波变换,奇异值分解,变换,轴承故障诊断
来源: 机械制造与自动化 2019年02期
年度: 2019
分类: 工程科技Ⅱ辑
专业: 机械工业
单位: 西南交通大学牵引动力国家重点实验室
基金: 国家自然科学基金(51475387)
分类号: TH133.3
DOI: 10.19344/j.cnki.issn1671-5276.2019.02.003
页码: 11-14+54
总页数: 5
文件大小: 2280K
下载量: 246