基于SVD-EEMD和TEO的滚动轴承弱故障特征提取
张琛1; 赵荣珍2; 邓林峰2; 吴耀春2
2019
发表期刊振动、测试与诊断
ISSN1004-6801
卷号39期号:4页码:720-726
摘要将奇异值分解(singular value decomposition,简称SVD)与集合经验模态分解(ensemble empirical mode decomposition,简称EEMD)进行结合,提出一种适用于滚动轴承弱故障状态描述的敏感特征提取方法。为提高信号故障信息的提取质量,对采集信号进行相空间重构得到一种Hankel矩阵。根据该矩阵的奇异值差分谱,确定降噪阶次进行SVD降燥。用EEMD分解降噪后的信号可获得11个本征模态函数(intrinsic mode function,简称IMF)和1个余项。依据建立的峭度-均方差准则,筛选出一个能够有效描述故障状态的敏感IMF分量,计算其相应的Teager能量算子(Teager energy operator,简称TEO),对此TEO进行Fourier变换,实现了对滚动轴承弱故障模式的有效辨识。用美国凯斯西储大学公开的滚动轴承故障信号对所建立的方法与传统EEMD-Hilbert法和EE-MD-TEO方法进行对比,结果表明:经本方法提取的敏感特征能准确突显滚动轴承故障频率发生的周期性冲击,可准确识别其故障类型。
关键词集合经验模态分解方法 奇异值分解 Teager能量算子谱 特征提取
收录类别CSCD
语种中文
WOS研究方向Engineering
WOS类目ENGINEERING MECHANICAL
CSCD记录号CSCD:6546259
引用统计
文献类型期刊论文
条目标识符https://ir.lut.edu.cn/handle/2XXMBERH/75073
专题机电工程学院
作者单位1.兰州理工大学机电工程学院;;武警工程大学(乌鲁木齐校区)装甲车技术系, ;;, 兰州;;乌鲁木齐, ;; 730050;;830049
2.兰州理工大学机电工程学院, 兰州, 甘肃 730050, 中国
第一作者单位机电工程学院
第一作者的第一单位机电工程学院
推荐引用方式
GB/T 7714
张琛,赵荣珍,邓林峰,等. 基于SVD-EEMD和TEO的滚动轴承弱故障特征提取[J]. 振动、测试与诊断,2019,39(4):720-726.
APA 张琛,赵荣珍,邓林峰,&吴耀春.(2019).基于SVD-EEMD和TEO的滚动轴承弱故障特征提取.振动、测试与诊断,39(4),720-726.
MLA 张琛,et al."基于SVD-EEMD和TEO的滚动轴承弱故障特征提取".振动、测试与诊断 39.4(2019):720-726.
条目包含的文件
条目无相关文件。
个性服务
查看访问统计
谷歌学术
谷歌学术中相似的文章
[张琛]的文章
[赵荣珍]的文章
[邓林峰]的文章
百度学术
百度学术中相似的文章
[张琛]的文章
[赵荣珍]的文章
[邓林峰]的文章
必应学术
必应学术中相似的文章
[张琛]的文章
[赵荣珍]的文章
[邓林峰]的文章
相关权益政策
暂无数据
收藏/分享
所有评论 (0)
暂无评论
 

除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。