基于多信号和改进经验傅里叶分解的故障特征提取方法

作者：朱丹宸,何伟,朱群伟. 日期：2024-10-30/span> 浏览：272 查看PDF文档

摘要:针对滚动轴承故障信号受设备多结构和复杂传递路径干扰,故障诊断准确性受到影响这一难题,提出了一种基于多信号改进经验傅里叶分解(MSIEFD)的轴承故障特征提取方法。首先,为了充分利用多信号中的故障特征,利用改进经验傅里叶分解处理了两个不同测点测得的故障信号,设定各阶模态信号与原始信号的相关系数阈值为0.1,并以此为依据确定了信号分解的最佳个数;然后,提出了加权的谐波显著性指标对初始的频带划分进行了优化,避免了信号过分解,减少了带宽过窄的无效频带,以此指标最大值为准,确定了最优模态分量;其次,借助互相关分析的优势,分析了两信号的最优模态分量以进一步增强信号的特征成分,借助快速傅里叶变换准确提取了滚动轴承的故障特征,判断了轴承故障类型;最后,利用MSIEFD方法对仿真和实验信号进行了分析,仿真分析时构造了信噪比为-10 dB和-15 dB的信号,用以模拟不同测点信号的情况,实验分析时利用实验台测得了不同测点处的滚动轴承振动信号。研究结果表明:MSIEFD方法能从强背景干扰中准确提取出滚动轴承故障特征,为准确判断滚动轴承故障类型提供依据;与变分模态分解(VMD)等方法相比较,可进一步突出MSIEFD方法
在弱特征提取方面
的有效性。

关键词:滚动轴承;故障诊断;多信号;频带划分;互相关谱;多信号改进经验傅里叶分解;变分模态分解

中图分类号:TH133.3文献标识码:A文章编号:1001-4551(2024)10-1853-12


本文引用格式:

朱丹宸,何伟,朱群伟.基于多信号和改进经验傅里叶分解的故障特征提取方法［J］.机电工程,2024,41(10):1853-1864.

ZHU Danchen, HE Wei, ZHU Qunwei. Fault feature extraction method based on multi-signals improved empirical Fourier decomposition method［J］.Journal of Mechanical & Electrical Engineering, 2024,41(10):1853-1864.