振动与冲击

作者：张琛 赵荣珍 邓林峰

单位：兰州理工大学 机电工程学院，甘肃 兰州 730050

关键词：滚动轴承；变分模态分解；奇异值熵；微弱故障

针对滚动轴承微弱故障难以识别的问题，提出一种基于变分模态分解（Variational Mode Decomposition , VMD）与奇异值熵融合的滚动轴承微弱故障辨识方法。该方法首先对滚动轴承的振动信号进行VMD分解获得4个本征模态函数（Intrinsic Mode Function，IMF），并根据一种均方差-欧氏距离指标选择出含丰富故障信息的IMF分量进行信号重构；然后对重构信号进行奇异值分解获得奇异值对角阵，进而结合信息熵理论求取对角阵的奇异值熵；最后利用奇异值熵的大小区分滚动轴承的工作状态和故障类型。用美国西储大学的滚动轴承振动信号对所述方法进行验证的结果表明：相比传统EMD奇异值熵故障诊断方法，本方法能够更清晰的划分出滚动轴承微弱故障的类别区间，有助于实现微弱故障类型的准确辨识。它为滚动轴承微弱故障诊断提供了一种可靠的评估依据。<br>

来源：2018年第21期

《振动与冲击》期刊编辑部

查看振动与冲击杂志2018年第21期