10.3969/j.issn.1000-3932.2018.01.010
基于理性样条插值的经验模态分解及其在轴承故障诊断中的应用
针对现场采集的滚动轴承振动信号表现出的较强的非线性、非平稳特性,提出了基于理性样条插值法的经验模态分解算法(Improved Empirical Mode Decomposition,IEMD)以解决曲线拟合问题.首先取得信号的极值点,利用镜像延拓法延拓两端极值;其次引入具有保形控制参数的有理三次样条插值法对延拓后的极值点进行曲线拟合;最后将迭代信号减去取得的均值包络线,使迭代后的信号满足分解条件.实验表明,改进算法有效改善了曲线拟合中的过包络和欠包络问题.结合希尔伯特边界谱分析,将该算法应用于轴承数据处理中,结果表明,该算法准确提取了故障特征频率,提高了经验模态分解算法的有效性,具有较高的工程实用价值.
轴承、经验模态分解、曲线拟合、有理三次样条插值、希尔伯特边界谱、故障特征频率
45
TH133.3
2018-03-26(万方平台首次上网日期,不代表论文的发表时间)
共6页
41-45,79