机械轴承故障信号提取仿真研究.pdf

《机械轴承故障信号提取仿真研究.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、第33卷第3期计算机仿真2016年3月文章编号：1006—9348(2016)03—0419-05机械轴承故障信号提取仿真研究孙红星，张洋(辽宁科技大学电子与信息工程学院，辽宁鞍山114051)摘要：有效提取机械轴承故障信号中的特征频率是判断轴承故障类型的基础，由于轴承故障信号中夹杂了噪声成分，影响了对故障特征信息的提取。有效滤除噪声成分的同时保留有用信号成分是提取故障信息的关键，所以研究了一种小波阈值方法与补充的总体平均经验模态分解(CEEMD)相结合的故障提取方法。首先介绍了一种小波阈值函数，同时引入了针对振

2、动信号蛸度值的阈值策略，运用这种降噪方法对轴承故障信号进行降噪预处理，然后结合改进的EMD分解方法-CEEMD(补充的总体平均经验模态分解)，对降噪后的滚动轴承的故障振动信号进行分解处理，利用相关系数法和峭度值法选取了最佳本征模式分量(IMF)，最后对IMF分量进行包络谱变换提取了轴承的故障频率，仿真结果证明所探讨的方法提取的故障信息更加清晰准确。关键词：滚动轴承；振动信号；小波阈值；故障提取中图分类号：TP301．6文献标识码：BSimulationStudyonFaultSignalExtractionofM

3、echanicalBearingSUNHong-xing，ZHANGYang(SchoolofElectronicandInformationEngineering，UniversityofScienceandtechnologyLiaoning，AnshanLiaoning114051，China)ABSTRACT：Extractingthecharacteristicfrequencyinthemechanicalbearingfaultsignaleffectivelyisthebasisofthejudg

4、ementaboutbearingfaulttypes．Thebearingfaultsignalismixedwithnoisecomponents，whichaffectstheextractionofthefaultcharacteristicinformation．Filteringoutnoisecomponentseffectivelywhileretainingtheusefulsignalcomponentsisthekeytoextractthefaultinformation，SOafault

5、extractionmethodwasstudiedbasedonwaveletthresholdmethodcombinedwithComplementaryEnsembleEmpiricalModeDecomposition(CEEMD)．First，athresholdwaveletthresholdfunctionWasintroduced，Inthemeantime，thethresholdpolicybasedonkurtosisvalueeontraposingthevibrationsignalW

6、asintroduced．ThisnoisereductionmethodWasusedforde-noisingonthebearingfaultsignal．Then，combinedwiththeimprovedEMDdecompositionapproach，ComplementaryEnsembleEmpiricalModeDecomposition(CEEMD)，theactualmeasuredfaultvibrationsignalsofrollingbearingwereprocessedfor

7、noisereductionanddecomposition．ThecorrelationcoefficientmethodandkurtosisvaluemethodweI℃usedtoselectthebestintrinsicmodefunctions(IMF)，thenextractingthebearingfailurefrequencyinIMFcomponentbythespec—tralenvelopeconversion．Thesimulationresultsprovethatthefault

8、informationextractedbythismethodismoledearandaccurate．KEYWORDS：Rollingbearings；Vibrationsignal；Waveletthreshold；Faultextractionl引言轴承作为旋转机械的关键组成部件，往往是最容易产生故障的。据统计有30％的旋转机械故障是由于滚动轴承引起的¨J。通常