基于EEMD和循环平稳理论的滚动轴承故障诊断方法研究
详细信息 查看官网全文
摘要
滚动轴承是机器最为关键的元件之一,其轴承的缺陷和损伤不仅直接影响机械设备的稳定运行,甚至会造成整个设备的损坏。由于轴承的工作环境与工作机理,其振动信号一般表现为非平稳、非线性,并且由于受到随机噪声的干扰,故障信号的信噪比较低,导致故障特征难以提取。而总体经验模式分解(EEMD)是一种自适应的处理方法,可以有效的对混有随机噪声的信号进行降噪,经分解后的高频IMF分量通常为噪声,将这些高频IMF分量剔除,由剩下的IMF分量进行重构,就达到了降噪的效果。而滚动轴承的旋转运行方式,产生的信号中含有大量周期或调制成分,属于循环平稳信号,许多传统的信号处理方法在处理循环平稳信号时都假设信号是平稳的,由于忽略了信号的循环平稳性,传统的基于平稳性假设的处理方法不可能实现对循环平稳信号的有效处理。因此提出一种基于EEMD和循环平稳理论相结合的轴承故障诊断方法。首先将原始信号进行EEMD分解,根据互相关系数、峭度准则选取包含故障信息的IMF分量,对选取的IMF分量进行重构,然后将重构信号经过带通滤波器滤波,对滤波后的信号进行下采样处理,对下采样抽取后的信号计算循环自相关函数,然后对循环自相关函数作傅里叶变换求取信号的循环谱和循环谱切片,再对循环谱和循环谱切片进行分析。通过实测数据对所提出的方法进行验证,结果表明:该方法能够有效的识别滚动轴承的早期故障,进而表明本方法的有效性。
引文