10.3969/j.issn.1009-0134.2015.09(上).23
基于改进EEMD的滚动轴承故障诊断研究
滚动轴承的故障信号具有非平稳性、非线性等特点，在经验模态分解过程中会出现模式混叠现象。集合经验模态分解算法（EEMD）是在原始信号中引入随机高斯白噪声序列，改变信号的局部时间跨度，可以有效抑制常规经验模态分解过程中产生的模式混叠现象。在研究EEMD原理的基础上，引入白噪声的幅值标准差准则来选择EEMD参数，并且对分解得到的所有的固有模态函数（IMF）分量通过相关系数法提取有效本征模态分量，再对提取的有效本征模态函数分量阀值处理后进行重构。通过Hilbert变换对重构信号进行包络谱分析，提取滚动轴承的故障特征。轴承故障信号实验结果表明，EEMD方法可以有效应用于滚动轴承的故障诊断中。
集合经验模式分解、模式混叠、包络谱、故障诊断
TN911.6;TH165+.3
吉林省科技厅基金资助项目20110303
2015-09-23（万方平台首次上网日期，不代表论文的发表时间）
共4页
80-82,113
