基于变模式分解降噪的滚动轴承故障诊断研究.pdf

《基于变模式分解降噪的滚动轴承故障诊断研究.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1O期机械设计与制造2015年1O月MachineryDesign&Manufacture21基于变模式分解降噪的滚动轴承故障诊断研究刘江，吕勇(武汉科技大学机械自动化学院，湖北武汉430081)摘要：变模式分解(VariationalModeDecomposition，VMD)是近年出现一种新的自适应分解方法，对其最小化可以把一个信号分解为固有模式。基于此，提出了变模式分解(VMD)降噪。首先通过VMD将故障信号分解为一系列模式，计算各模式与原信号的相关系数，再根据相关系数选择相应的分量进行重构以达到对原信号降噪的目地，之后通过差值形态滤波对重构

2、信号进行解调以提取故障特征。为验证降噪的必要性和有效性，对比了直接差值形态滤波提取特征。仿真信号和对滚动轴承的实验证明了方法的有效性。关键词：变模式分解；相关系数；降噪；形态滤波；轴承故障中图分类号：TH16；TH165文献标识码：A文章编号：1001—3997(2015)10—0021—05FaultDiagnosisforRollingBearingBasedontheVariationalModeDecompositionDe-NoisingLIUJiang，LVYong(InstituteofMechanicalAutomation，Wuha

3、nUniversityofScienceandTechnology，HubeiWuhan430081，China)Abstract：Variationdmodedecompositionisanew，丘flyintrinsicandadaptive，variationalmethodinrecentyears，themm’tmt‘zatt’onofwhichleadstoadecompositionofasignalintoitsprincipalmodes．SoitproposedanewdiagnosismethodbasedonVMDdenoi

4、sing．￡，itdecomposedthefaultsignalintoaseriesofprincipalmodes，andthencomputedthecorrelationcoefficientsbetweenmodesandtheoriginalsigna1．Aerthat，filteringthemodesaccordingtothecorelationcoefficients，thenselectedmodeswereusedtoreconstructthesignaltodenoise．erthatitusedmorphologica

5、ldiferencefiltertoextractthefaultcharacteristicfrequency．ToverifythenecessityandvalidityoftheVMDdenoising，itcompareditwiththemethodwhichextractedthefaultcharacteristicfrequencybymorphologicaldiferencefilterdirectly．Thesimulatings~gnal．andexperimentresultsshowthevalidityofthemet

6、hod．KeyWords：VMD；CorrelationCoeficient；Denoising；MorphologyFilter；BearingFault但该方法基于小波系数之间统计独立、高斯分布的假设，没有考1引言虑小波系数间的相关性，所以降噪效果不理想。经验模态分解是滚动轴承是旋转机械中的重要部件，因此对滚动轴承进行应用广泛的自适应分解方法，Flandrin等通过研究得出了EMD状态检测和故障诊断具有重要的实际意义。滚动轴承振动信号构可以作为二进滤波器的结论。但EMD本身算法存在一些问题，如成复杂，其故障出现时将造成周期性脉冲冲击的产生，表现出

7、很缺乏理论依据、基本模式分量的判据问题、端点效应以及过包络、强的非平稳性。由于工业现场环境复杂，信号的故障特征信息常欠包络等问题。常被噪声淹没，这使得振动信号信噪比较低，难以有效的提取特信号降噪在信号故障诊断中是一个重要步骤，提出了基于征信息。VMD的降噪方法，并通过仿真实验与EMD的降噪方法进行了对近年来，不少学者就振动信号降噪进行了大量的研究。奇异比，并以信噪比为指标比较了两种方法的降噪效果。在实例中通值分解是性能比较优良的非线性滤波方法Ⅲ，可以解决小目标检过对滚动轴承的内圈故障信号进行处理，最后通过形态滤波处理测中的背景抑制及降噪问题。但奇异值

8、分解对噪声敏感，因此在得到的谱图验证了该方法的有效性和准确性。噪声强度较大情况下，不能取得很好的降噪效果。形