振动与冲击

作者：马增强，张俊甲，张 安，阮婉莹

单位：石家庄铁道大学 电气与电子工程学院，石家庄 050043

关键词：滚动轴承；变模态分解；奇异值分解；频率切片小波变换；故障特征提取

针对滚动轴承早期故障信息微弱，频率切片小波变换（FSWT）在强背景噪声中提取故障特征的不足，提出变分模态分解（VMD）奇异值分解（SVD）联合降噪与FSWT相结合的故障特征提取方法，首先利用VMD故障信号自适应分解为若干本征模态分量（IMF），通过峭度准则选择包含故障信息最丰富的IMF进行信号重构，其次利用SVD对重构信号进行再次降噪，提高信噪比。最后对降噪信号进行FSWT，凸显故障信号的时频分布信息提取故障特征。仿真信号和实际数据分析结果表明，该方法有效消除了噪声的影响，能够清晰提取故障信号的特征频率，实现滚动轴承故障的精准识别。<br>

来源：2018年第17期

《振动与冲击》期刊编辑部

查看振动与冲击杂志2018年第17期