文 成,周传德
(重庆科技学院机械与动力工程学院,重庆401331)
基于改进EMD和形态滤波的滚动轴承故障诊断
文成,周传德
(重庆科技学院机械与动力工程学院,重庆401331)
摘要:针对滚动轴承故障振动信号的非平稳性特点,提出一种改进经验模态分解(EMD)和形态滤波相结合来提取故障特征信息的方法。该方法首先在原信号中加入高频谐波并进行EMD分解,减小传统EMD分解中存在的模态混叠现象,然后从高频本征模态分量(IMF)中去除高频谐波得到故障冲击成分,经形态滤波消噪后进行频谱分析,提取出故障特征信息。信号仿真分析该方法的实施过程,并将该方法成功运用于滚动轴承内圈和外圈故障的诊断。实验结果表明该方法能够有效提取滚动轴承故障特征信息,实现故障诊断。
关键词:改进经验模态分解;形态滤波;滚动轴承;故障诊断
具有局部损伤类故障的滚动轴承在运行时会产生冲击性异常事件,振动信号为非平稳信号;因此,滚动轴承故障诊断的关键是如何从非平稳振动信号中有效提取反映特征信息的异常成分。经验模态分解(empirical mode decomposition,EMD)[1]是一种适用于非平稳信号的分析方法。EMD将信号分解成若干固有模态函数(intrinsic mode function,IMF)[2],近年来在滚动轴承故障诊断中得到了广泛应用。然而,EMD方法存在模态混叠现象,易引起IMF分量失真[3]。文献[4]提出剔除异常数据法来抑制模态混叠,该方法只针对特定的异常信号,当异常事件为故障信息时无法提取特征信息。刘小峰[5]利用小波包对模态混叠的IMF进行分解并重构新的固有模态分量;……