基于EEMD-JADE的滚动轴承故障诊断分析

摘要：

滚动轴承故障信号特征往往受背景噪声影响而难以准确提取,集合经验模式分解能将源信号有效分解出具有真实物理意义的本征模态分量,提高故障特征的诊断精度,盲源分离技术能够分离故障信号进而提取故障特征.将集合经验模态分解与盲源分离技术相结合,通过相关系数的计算和敏感因子的数值判断合理选用源信号的分量,构建出噪声信号,再通过盲源分离技术,分离噪声信号.仿真分析和实验表明,此方法可以成功的分离出典型的轴承故障特征,可有效提高轴承故障诊断效果.

关键词：滚动轴承、集合经验模态分解、盲源分离、故障诊断

所属期刊栏目：32

分类号：TH133

在线出版日期：2019-07-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：19-23