科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对滚动轴承故障信号具有复杂非线性且极易受到强烈噪声干扰导致的故障特征难以提取的问题，提出了一种非线性模式分解(nonlinear mode decomposition, NMD)算法和最大相关峭度解卷积(maximum correlated kurtosis deconvolution, MCKD)相结合的滚动轴承故障诊断方法。首先，利用MCKD对原始信号中的噪声进行了滤波和处理，实现了噪声的初步动态降噪并且进一步提高原始信号中的相关峭度值；其次，利用小波分解提取出时频脊线；再次，利用NMD算法分解时频脊线并筛选出其中的有效分量；最后，采用包络谱分析来提取出故障特征。结果表明，该算法所提取的分量仅包括转频以及轴承故障特征频率，说明该算法对提取该类轴承故障特征的有效性，可为轴承故障早期诊断方法的研究提供参考。
- 单位
