基于CEEMDAN与自适应阈值降噪的滚动轴承故障诊断

摘要：

针对滚动轴承故障信息受到噪声污染而难以识别的问题,提出一种基于自适应噪声完备集合经验模态分解和自适应阈值降噪(CEEMDAN-ATD)的滚动轴承故障诊断方法.首先对原始振动信号进行CEEMDAN分解;其次利用灰色关联分析法(GRA)筛选出噪声主导和信号主导的分量;然后对噪声主导分量分别进行自适应阈值降噪(ATD)处理,并与信号主导分量进行重构;最后通过分析重构信号的Teager能量谱实现滚动轴承故障的识别.采用凯斯西储大学轴承数据对所提方法进行验证,并与完全总体经验模态分解-自适应阈值降噪(CEEMD-ATD)和CEEMDAN-小波阈值降噪(CEEMDAN-WTD)2种方法作比较,结果表明,所提方法表现出较好的自适应性和去噪效果,能够较好地服务于滚动轴承故障诊断.

关键词：故障诊断、模态分解、灰色关联分析、自适应阈值、降噪

所属期刊栏目：41

分类号：TH133.33

资助基金：国家自然科学基金62076215

在线出版日期：2023-04-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：65-70