購物車(0)
基于SVD-EEMD和TEO*的滾動軸承弱故障特征提取
關(guān)鍵詞：集合經(jīng)驗(yàn)?zāi)B(tài)分解方法 奇異值分解 teager能量算子譜 特征提取
摘要：將奇異值分解(singular value decomposition,簡稱SVD)與集合經(jīng)驗(yàn)?zāi)B(tài)分解(ensemble empirical mode decomposition,簡稱EEMD)進(jìn)行結(jié)合,提出一種適用于滾動軸承弱故障狀態(tài)描述的敏感特征提取方法。為提高信號故障信息的提取質(zhì)量,對采集信號進(jìn)行相空間重構(gòu)得到一種Hankel矩陣。根據(jù)該矩陣的奇異值差分譜,確定降噪階次進(jìn)行SVD降燥。用EEMD分解降噪后的信號可獲得11個(gè)本征模態(tài)函數(shù)(intrinsic mode function,簡稱IMF)和1個(gè)余項(xiàng)。依據(jù)建立的峭度-均方差準(zhǔn)則,篩選出一個(gè)能夠有效描述故障狀態(tài)的敏感IMF分量,計(jì)算其相應(yīng)的Teager能量算子(Teager energy operator,簡稱TEO),對此TEO進(jìn)行Fourier變換,實(shí)現(xiàn)了對滾動軸承弱故障模式的有效辨識。用美國凱斯西儲大學(xué)公開的滾動軸承故障信號對所建立的方法與傳統(tǒng)EEMD-Hilbert法和EEMD-TEO方法進(jìn)行對比,結(jié)果表明:經(jīng)本方法提取的敏感特征能準(zhǔn)確突顯滾動軸承故障頻率發(fā)生的周期性沖擊,可準(zhǔn)確識別其故障類型。
振動測試與診斷雜志要求:
{1}作者姓名、單位、職務(wù)、職稱及詳細(xì)聯(lián)系方式（地址、郵編、手機(jī)等）。署名作者不超過2人。
{2}所投稿件需是本人原創(chuàng)。如為多人合作作品，須征得其他作者同意，并注明其他作者。因稿件著作權(quán)引發(fā)的糾紛，由作者自行負(fù)擔(dān)。
{3}稿件題名一般不超過20字。
{4}遵照GB/T7714—2015《文后參考文獻(xiàn)著錄規(guī)則》采用順序編碼制著錄，依照其在文中出現(xiàn)的先后順序用阿拉伯?dāng)?shù)字加方括號標(biāo)出；中文參考文獻(xiàn)須有對應(yīng)的英文列于其上。
{5}摘要及關(guān)鍵詞：文中必須附中文摘要，內(nèi)容包括目的、方法、結(jié)果(應(yīng)給出主要數(shù)據(jù))及結(jié)論4個(gè)部分內(nèi)容，要求以第3人稱撰寫200-300字為宜，并附3-8個(gè)關(guān)鍵詞。有條件者，可將文題、作者、單位、摘要及關(guān)鍵詞譯成英文。
注：因版權(quán)方要求，不能公開全文，如需全文，請咨詢雜志社
