| 基于SK-MOMEDA的滚动轴承微弱故障特征提取 |
| |
| 引用本文： | 梁富旺,孙虎儿,刘柯欣.基于SK-MOMEDA的滚动轴承微弱故障特征提取[J].机械传动,2021,45(2):157-162. |
| |
| 作者姓名： | 梁富旺 孙虎儿 刘柯欣 |
| |
| 作者单位： | 中北大学 机械工程学院,山西 太原 030051;中北大学 机械工程学院,山西 太原 030051;中北大学 机械工程学院,山西 太原 030051 |
| |
| 摘 要： | 针对滚动轴承早期周期性瞬态冲击不明显及谱峭度在低信噪比情况下分析效果差的问题,提出多点优化最小熵解卷积(Multipoint optimal minimum entropy deconvolution adjusted,MOMEDA)和谱峭度相结合的轴承微弱故障特征提取方法.首先,采用MOMEDA作为前置滤波器对含有强噪声的微弱故障冲击信号进行降噪,突显信号中的周期性冲击性成分;然后,通过谱峭度分析,以最佳中心频率和带宽对降噪的信号进行带通滤波;最后,对滤波后的信号进行Hilbert包络谱分析,便可以准确地获得轴承信号的故障特征频率.仿真信号和实验分析结果表明,该方法可有效增强振动信号的周期性瞬态冲击特征,提取出滚动轴承早期微弱故障特征.
|
| 关 键 词： | 滚动轴承 多点优化最小熵解卷积 谱峭度 微弱故障 特征提取 |
Feature Extraction of Weak Fault for Rolling Bearing based on Spectral Kurtosis and MOMEDA |
| |
| Liang Fuwang,Sun Huer,Liu Kexin.Feature Extraction of Weak Fault for Rolling Bearing based on Spectral Kurtosis and MOMEDA[J].Journal of Mechanical Transmission,2021,45(2):157-162. |
| |
| Authors: | Liang Fuwang Sun Huer Liu Kexin |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
