基于LMD和MOMEDA的滚动轴承早期故障特征提取研究

作者：金京1,2，刘畅1,2，兰雨涛1,2，王衍学1,2* 日期：2021-05-20/span> 浏览：1844 查看PDF文档

基于LMD和MOMEDA的滚动轴承早期故障特征提取研究

金京1,2，刘畅1,2，兰雨涛1,2，王衍学1,2*
（1.北京建筑大学 机电与车辆工程学院，北京 100044；2.北京建筑大学 城市轨道交通服役性能
保障北京市重点实验室，北京 100044）

摘要:采用局域均值分解(LMD)提取强噪声背景下的滚动轴承的故障特征效果并不理想，针对该问题，将多点优化最小熵解卷积(MOMEDA)与局域均值分解(LMD)相结合，进行了滚动轴承微弱故障信号处理研究。首先，利用局域均值分解(LMD)对外圈故障轴承的振动信号进行了信号重构；其次，利用多点优化最小熵解卷积(MOMEDA)滤波，进行了包络分析来提取故障特征；最后，将所提出的方法与局域均值分解(LMD)重构后，用最小熵解卷积(MED)滤波故障特征提取方法进行了对比；此外，采用所提方法分析了内圈故障。研究结果表明：所提出的方法对微弱故障特征提取有更好的适用性，能在包络谱中看到多倍频峰值，且峰值附近干扰很少；仿真与试验结果验证了方法的有效性。
关键词:局域均值分解；多点优化最小熵解卷积；最小熵解卷积；滚动轴承；故障诊断
中图分类号:TH133.33     文献标识码:A      文章编号:1001-4551(2021)03-0276-10

本文引用格式:
金京，刘畅，兰雨涛,等.基于LMD和MOMEDA的滚动轴承早期故障特征提取研究［J］.机电工程,2021,38(3):276-285.
JIN Jing，LIU Chang，LAN Yu-tao , et al. Feature extraction of early faults of rolling bearings based on LMD and MOMEDA［J］.Journal of Mechanical & Electrical Engineering, 2021,38(3):276-285.《机电工程》杂志:http://www.meem.com.cn