科研之友
微信
新浪微博
Facebook
分享链接
摘要
自适应噪声辅助集成经验模态分解（Adaptive Noise-assisted Integrated Empirical Mode Decomposition， CEEMDAN）能够有效分离滚动轴承的故障振动信号，提高对滚动轴承故障的诊断能力。但CEEMDAN的每一层迭代都要对大量的噪声辅助信号及噪声信号进行EMD分解，算法复杂，内存需求大，计算效率低，不适用于长信号处理。本文提出一种将分段累积近似（Piecewise Aggregate Approximation，PAA）与CEEMDAN相结合的滚动轴承故障诊断方法。该方法在保持原有数据特征的条件下，通过PPA对高频采样的长信号进行数据压缩，然后再对压缩信号执行CEEMDAN，进而实现滚动轴承故障信号分离。试验数据验证结果表明该方法有效。
- 单位
