基于EEMD奇异值熵的滚动轴承故障诊断方法

作者：张琛; 赵荣珍; 邓林峰

来源：振动.测试与诊断, 2019, 39(02): 353-447.

DOI：10.16450/j.cnki.issn.1004-6801.2019.02.019

• 滚动轴承
• 集合经验模态分解
• 奇异值熵
• 故障诊断

为充分利用振动信号进行故障辨识,提出一种基于集合经验模态分解(ensemble empirical mode decomposition,简称EEMD)奇异值熵判据的滚动轴承故障诊断方法。首先,对滚动轴承的振动信号进行EEMD分解获得若干个本征模态函数(intrinsic mode function,简称IMF),并根据一种IMF分量故障信息含量的评价指标(即峭度、均方差和欧氏距离)选出能够表征原始信号状态的分量进行信号重构;其次,利用奇异值分解技术对重构信号进行处理,结合信息熵算法求取其奇异值熵;最后,利用奇异值熵的大小判断滚动轴承的故障类别。用美国西储大学滚动轴承振动信号对所述方法进行验证的结果表明,相比传统的EMD奇异值熵故障诊断方法,本方法能够清晰的划分出滚动轴承不同工作状态的类别特征区间,而且具有更高的故障诊断精度。

• 单位
  机电工程学院; 兰州理工大学