噪声与振动控制

噪声与振动控制 ›› 2022, Vol. 42 ›› Issue (6): 105-110.

• 信号处理与故障诊断 • 上一篇    下一篇

EMD-CSF在滚动轴承早期微弱故障诊断中应用

鲍怀谦1，魏永长1，王金瑞1，张宗振1, 2，张国伟3，田志远1   

  1. （1. 山东科技大学机械电子工程学院，山东青岛266000；2. 南京航空航天大学能源与动力学院，南京210000；3. 西安电子科技大学机电工程学院，西安710000 ）
  • 收稿日期:2021-09-06 修回日期:2021-12-10 出版日期:2022-12-18 发布日期:2022-12-18

EarlyWeak Bearing Fault Diagnosis Method Based on EMD-CSF

  • Received:2021-09-06 Revised:2021-12-10 Online:2022-12-18 Published:2022-12-18

PDF

摘要： 滚动轴承早期故障信息微弱并且夹杂大量背景噪声，故障特征难以识别，为增强传统轴承故障诊断算法的噪声适应性、智能性和鲁棒性，提出一种将经验模态分解(Empirical Mode Decomposition，EMD)和卷积稀疏滤波(Convolutional sparse filtering,CSF)相结合的故障诊断模型。首先对振动信号进行EMD处理，选取峭度值较大的前几阶固有模态分量(Intrinsic Mode Function，IMF)进行重构，然后将重构信号进行稀疏特征学习，最后通过分析时域波形和Hilbert 包络谱的特征频率及其谐波判别轴承的故障信息。通过滚动轴承的仿真数据与实测试验数据，证明了采用所提方法能够更好识别轴承故障特征，具有更强的抗噪性。

关键词: 故障诊断, 滚动轴承, 经验模态分解, 稀疏滤波, 早期故障诊断, Hilbert包络解调