基于VMD的自适应形态学在轴承故障诊断中的应用

被引：85

作者：

钱林 ^{[1
]}

康敏 ^{[1
,2
]}

傅秀清 ^{[1
]}

王兴盛 ^{[1
]}

费秀国 ^{[3
]}

机构：

[1] 南京农业大学工学院

[2] 南京农业大学灌云现代农业装备研究院

[3] 南京创力传动机械有限公司

来源：

振动与冲击 | 2017年 / 36卷 / 03期

关键词：

轴承; 变分模态分解; 数学形态学; 粒子群算法; 互信息法;

D O I：

10.13465/j.cnki.jvs.2017.03.036

中图分类号：

TH133.33 [滚动轴承];

学科分类号：

080203 ;

摘要：

为有效提取滚动轴承信号的特征频率,提出了基于变分模态分解(VMD)的自适应形态学的特征提取方法。首先利用VMD将目标信号分解为有限个模态信号,依据互信息法提取与原始信号相关的模态信号,将其进行求和重构;然后利用形态学对重构信号进行降噪处理,提取出滚动轴承的特征频率。针对形态学固有统计偏移和结构元素的选择问题,利用粒子群算法来优化改进的广义形态学滤波器,实现自适应滤波。通过数字仿真实验与滚动轴承故障试验分析,将其与基于经验模式分解(EMD)的自适应形态学、包络解调方法进行比较,结果表明该方法可以有效提取故障信号的特征频率。

引用

页码：227 / 233

页数：7

共 12 条

[1] 基于自相关分析和LMD的滚动轴承振动信号故障特征提取 [J].

王建国 ;

吴林峰 ;

秦绪华 .

中国机械工程, 2014, 25 (02) :186-191

[2] 基于EEMD降噪和1.5维能量谱的滚动轴承故障诊断研究 [J].

唐贵基 ;

王晓龙 .

振动与冲击, 2014, 33 (01) :6-10

[3] 基于双树复小波包变换的滚动轴承故障诊断 [J].

胥永刚 ;

孟志鹏 ;

陆明 .

农业工程学报, 2013, 29 (10) :49-56

[4] 形态学滤波方法改进及其在滚动轴承故障特征提取中的应用 [J].

沈长青 ;

朱忠奎 ;

孔凡让 ;

黄伟国 .

振动工程学报, 2012, 25 (04) :468-473

[5] 形态学滤波器结构元素选取原则研究与分析 [J].

赵昭 ;

刘利林 ;

张承学 ;

李海涛 ;

汪建敏 .

电力系统保护与控制, 2009, 37 (14) :21-25+35

[6] 形态滤波器用于滚动轴承故障信号的特征提取 [J].

郝如江 ;

卢文秀 ;

褚福磊 .

中国机械工程, 2009, 20 (02) :197-201

[7] 广义形态滤波器在振动信号处理中的应用研究 [J].

张文斌 ;

周晓军 ;

林勇 .

农业工程学报, 2008, (06) :203-205

[8] 基于数学形态滤波的齿轮故障特征提取方法 [J].

章立军 ;

杨德斌 ;

徐金梧 ;

陈志新 .

机械工程学报, 2007, (02) :71-75

[9]

机械故障诊断学[M]. 机械工业出版社 , 钟秉林, 2006

[10]

Research on variational mode decomposition and its application in detecting rub-impact fault of the rotor system[J] . Yanxue Wang,Richard Markert,Jiawei Xiang,Weiguang Zheng.Mechanical Systems and Signal Processing . 2015

← 1 2 →