基于LMD-MS的滚动轴承微弱故障提取方法

作者：王志坚; 吴文轩; 马维金; 张纪平; 王俊元; 李伟伟

来源：振动.测试与诊断, 2018, 38(05): 1014-1085.

DOI：10.16450/j.cnki.issn.1004-6801.2018.05.022

• 强噪声
• 轴承故障
• 掩膜法
• 局部均值分解
• 故障诊断

轴承的早期故障信号属于微弱信号,其故障特征提取一直是旋转机械故障诊断的一大难点。笔者将掩膜法引入到局部均值分解(local mean decomposition,简称LMD)分解中,提出了一种基于LMD和掩膜法(mask signal,简称MS)的滚动轴承微弱故障提取方法。由于LMD在噪声背景下分解出的功能分量(product function,简称PF)存在模态混叠现象,很难辨别故障频率的真伪,所以引入了掩膜信号法对LMD分解出的与原信号相关性强的PF分量进行处理,抑制模态混叠现象,提取故障频率。文中以滚动轴承实际故障信号为对象进行分析,通过将掩膜信号法与LMD方法相结合的方式,对存在噪声的故障信号进行处理,将故障频率处的峭度值提高了8倍,同时将信噪比提高了19.1%,成功提取了故障信号,为故障特征提取提供一种新的诊断方法。

• 单位
  中北大学