基于最优熵与EEMD的滚动轴承微故障诊断方法.pdf

《基于最优熵与EEMD的滚动轴承微故障诊断方法.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、2015年2月机床与液压Feb．2015第43卷第3期MACHINET00L&HYDRAULICSVo1．43No．3DOI：10．3969／j．issn．1001—3881．2015．03．050基于最优熵与EEMD的滚动轴承微故障诊断方法任学平，庞震，辛向志，邢义通(内蒙古科技大学机械工程学院，内蒙古包头014010)摘要：滚动轴承是易损件，为了更好并及时检测出在信噪比低的情况下的轴承早期微故障振动信号，提出了小波包最优熵和EEMD相结合的方法。运用小波包最优熵对采集信号实现信噪分离，突出了小波包降噪效果明显：通过EEMD将信号分解成多

2、个分量；最后以互相关、峭度准则提取故障信号分量以避免分量选择的盲目性。结果表明：该方法对轴承初期故障具有良好的降噪效果，可以准确快速地检测出轴承故障，从而表明该方法是有效且可行的。关键词：小波包最优熵；EEMD；互相关；峭度；轴承故障中图分类号：TH17；rrP277文献标志码：A文章编号：1001—3881(2015)3—189—5SlightFaultDiagnosisMethodofRollingBearingBasedonOptimalEntropyandEEMDRENXueping，PANGZhen，XINXiangzhi，XIN

3、GYitong(MechanicalEngineeringSchool，InnerMongoliaUniversityofScience&Technology，BaotouInnerMongolia014010。China)Abstract：Rollingbearingistheeasywearingpart．Inordertobetterandtimelydetectearlyandslightbearingfaultvibrationsig-nalunderlowsignal—noiseratio，themethodofwaveletp

4、acketoptimalentropycombinedwithEEMDwasproposed．Signal—noisesepara—tionwasachievedbywaveletpacketoptimalentropy，whichhighlightedthewaveletpacketnoisereductioneffectwasobvious，throughEEMDdecomposedthesignalintoapluralityofcomponent．Finally，cross-correlation，kurtosiscriterion

5、wereusedtoextractfaultsig—nalcomponentinordertoavoidtheblindnessofcomponentselection．Theresultsshowthat：themethodofbearingearlyfaulthasgoodnoisereductioneffect，whichcanaccuratelyandquicklydetectbearingfault，therebytoshowthatthemethodisfeasibleandeffective．Keywords：Waveletp

6、acketoptimalentropy；EEMD；Cross·correlation；Kurtosis；Bearingfault0前言使得其各时域和频域都含有良好的局部化分析功能。滚动轴承在机械工业中应用非常广泛，而且使用因此根据轴承故障检测与诊断的需要，选择频段序列要求十分严格，承担着关键角色，其使用时间的长短包含所需零部件故障的信息，进而进行深层信息处理与工作优良的程度往往制约着整个机械设备系统的运以便查找机器故障源。HUANG等]提出的经验模式转状态。而在实际工程使用中，出现滚动轴承故障的分解方法(EMD)能够依据振动信号本身的时间特

7、频率也很高。因此，在轴承结构与其故障机制深度了征尺度进行自适应分解，将轴承振动信号的状态信息解的基础上，对其进行早期有效的检测与诊断．可以分解到不同的内蕴模式分量(IMF)中，从而为轴承防止故障发生，将有助于延长整个设备系统的运转周状态深层次的挖掘奠定了基础。EMD方法面临的主期，实现良好的经济效益。要问题是模式混淆，在采集到的实际信号中，往往会由于其故障信号的低信噪比．在强烈的背景噪声夹杂着大量的噪声，这些噪声也进行EMD分解。导中要得到需要的低频段故障特征频率极其微弱，难以致原始故障特征信息与噪声混淆而不易提取，不仅如诊断故障特征。如何

8、提取轴承微弱故障萌生或者发展此，噪声成份使得EMD分解层数增加。还可能导致初期的故障特征，将是诊断轴承故障的关键。小波包算法不收敛，加重边界效应，严重时会使EMD分解分解技术⋯可