基于SVD-EEMD和TEO的滚动轴承弱故障特征提取

CORC > 兰州理工大学 > 兰州理工大学 > 机电工程学院

	基于SVD-EEMD和TEO的滚动轴承弱故障特征提取
	张琛 2; 赵荣珍 1; 邓林峰 1; 吴耀春 1
刊名	振动、测试与诊断
	2019
卷号	39 期号:4 页码:720-726
关键词	集合经验模态分解方法奇异值分解 Teager能量算子谱特征提取
ISSN号	1004-6801
英文摘要	将奇异值分解(singular value decomposition,简称SVD)与集合经验模态分解(ensemble empirical mode decomposition,简称EEMD)进行结合,提出一种适用于滚动轴承弱故障状态描述的敏感特征提取方法。为提高信号故障信息的提取质量,对采集信号进行相空间重构得到一种Hankel矩阵。根据该矩阵的奇异值差分谱,确定降噪阶次进行SVD降燥。用EEMD分解降噪后的信号可获得11个本征模态函数(intrinsic mode function,简称IMF)和1个余项。依据建立的峭度-均方差准则,筛选出一个能够有效描述故障状态的敏感IMF分量,计算其相应的Teager能量算子(Teager energy operator,简称TEO),对此TEO进行Fourier变换,实现了对滚动轴承弱故障模式的有效辨识。用美国凯斯西储大学公开的滚动轴承故障信号对所建立的方法与传统EEMD-Hilbert法和EE-MD-TEO方法进行对比,结果表明:经本方法提取的敏感特征能准确突显滚动轴承故障频率发生的周期性冲击,可准确识别其故障类型。
WOS研究方向	Engineering
语种	中文
CSCD记录号	CSCD:6546259
状态	已发表
内容类型	期刊论文
源URL	[http://ir.lut.edu.cn/handle/2XXMBERH/75073]
专题	机电工程学院
作者单位	1.兰州理工大学机电工程学院, 兰州, 甘肃 730050, 中国 2.兰州理工大学机电工程学院;;武警工程大学(乌鲁木齐校区)装甲车技术系, ;;, 兰州;;乌鲁木齐, ;; 730050;;830049
推荐引用方式 GB/T 7714	张琛,赵荣珍,邓林峰,等. 基于SVD-EEMD和TEO的滚动轴承弱故障特征提取[J]. 振动、测试与诊断,2019,39(4):720-726.
APA	张琛,赵荣珍,邓林峰,&吴耀春.(2019).基于SVD-EEMD和TEO的滚动轴承弱故障特征提取.振动、测试与诊断,39(4),720-726.
MLA	张琛,et al."基于SVD-EEMD和TEO的滚动轴承弱故障特征提取".振动、测试与诊断 39.4(2019):720-726.