强噪声背景下滚动轴承微弱故障特征信号的经验模态分解

杨建华 韩帅 张帅 刘后广 唐超权

摘要：针对强噪声背景下滚动轴承早期微弱故障信号经验模态分解问题，提出了一种基于级联自适应分段线性随机共振系统降噪的经验模态分解方法。该方法依赖于级联自适应分段线性随机共振系统优良的降噪特性，首先对含噪信号进行降噪处理，然后再进行经验模态分解。通过对轴承故障仿真信号和滚动轴承实验信号的分析，结果表明该方法能有效滤除高频噪声，减少经验模态分解阶数，提高经验模态分解的质量，实现强噪声背景下滚动轴承早期微弱故障特征提取。

关键词：故障诊断;滚动轴承;经验模态分解;级联分段线性系统;自适应随机共振

中图分类号：TH165+。3;TH133.3文献标志码：A 文章编号：1004-4523（2020）03-0582-08

DOI：10.16385/j.cnki.issn.1004-4523.2020.03.017

引言

旋转机械是现代工业中的重要设备，广泛应用于航空航天、冶金、电力、矿山、铁路运输等行业。滚动轴承作为旋转机械中应用最广泛的部件之一，其运行状态直接影响设备的整体性能、工作效率及使用寿命。据统计，旋转机械设备中，大约30%的故障由轴承故障引起。所以对轴承故障做出及时的诊断显得尤为重要。然而，实际工程应用中，滚动轴承早期故障特征比较微弱，且淹没在强背景噪声中，使得故障特征提取存在一定难度。

经验模态分解法（EMD）是Huang等提出的一种信号时频分析方法，用来提取信号中的故障特征。该方法基于信号的局部特征时间尺度，将复杂的信号分解为若干阶内禀模态函数（IMF）之和，通过分析各阶IMF，可以更准确有效地掌握原始信号的特征信息。……