|
|||||
|
|
| 基于MF-SVD的滚动轴承振动信号故障特征提取方法研究 | |
| 作者单位： | ;1.东北石油大学石油工程学院 |
| 摘 要： | 极值域均值模式分解(EMMD)在抑制端点效应、算法精度、计算耗时等方面均比经验模式分解(EMD)算法和自适应时变滤波分解(ATVFD)有着明显的优势,能够有效地对旋转机械振动信号进行故障特征提取,由于现场信号通常掺杂大量噪声,严重影响了EMMD的分解精度。针对该问题,提出了基于形态滤波-奇异值(MF-SVD)的去噪方法,并将其与EMMD相结合,建立了一种新的故障特征提取方法。实验结果表明:该方法能够有效、准确地提取旋转机械滚动轴承内圈损伤的故障特征,有着良好运算速度和精确度。 |
| 关 键 词： | 极值域均值模式分解 形态滤波 奇异值分解 特征提取 |
Study on Fault Characteristics Extraction for MF-SVD Based Rolling Bearing Vibration Signal |
|
| Abstract: | |
| Keywords: | |
| 本文献已被 CNKI 等数据库收录！ | |
