机床与液压

作者：石渡江，王文波

单位：武汉科技大学理学院；武汉科技大学理学院

关键词：时变滤波经验模态分解（TVF-EMD）;奇异值降噪（SVD）;包络故障信息能量占比（EREFI）;故障诊断;滚动轴承

滚动轴承早期故障信号微弱，故障特征难以提取。针对此问题，提出一种基于时变滤波经验模态分解（TVF-EMD）模态分量自适应融合与奇异值分解（SVD）降噪的轴承早期故障特征提取方法。为了降低故障信号的非线性和非平稳性，通过TVF-EMD将轴承信号分解为一系列本征模态函数（IMF）。为了克服TVF-EMD分解后IMF分量过多的不足，构造包络故障信息能量占比（EREFI）指标，通过EREFI对IMF分量进行降序排列，并依据包络故障信息能量占比递增原则对IMF分量依次进行融合，直至找到最优融合分量。最后，通过SVD对最优融合分量降噪，并提取故障特征。通过仿真信号以及2个实测轴承故障信号对所提方法性能进行了实验验证。实验结果表明：所提方法具有良好的敏感特征筛选融合能力和降噪能力，能更准确提取出轴承早期故障特征，实现故障类型的准确识别。

来源：2024年第18期

《机床与液压》期刊编辑部

查看机床与液压杂志2024年第18期