Noise and Vibration Control ›› 2022, Vol. 42 ›› Issue (6): 105-110.

Previous Articles     Next Articles

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

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 )

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