基于EEMD-TEO熵的高速列车轴承故障诊断方法

摘要：

为了解决高速列车轴承早期故障中低频信号的类间分离性较弱、保持架故障难以识别等的问题,提出了基于Teager能量算子(Teager energy operator,TEO)聚合经验模态分解(ensemble empirical mode decomposition,EEMD)熵的自适应诊断方法.该方法将EEMD、样本熵、TEO相结合,利用EEMD的自适应性得到固有模态(intrinic mode function,IMF)信号,用改进的TEO从IMF中提取得到样本熵,使用支持向量机(support vector machine,SVM)判断轴承工作状态与故障类型;讨论了EEMD能量熵、EEMD奇异值熵、EEMD-TEO时频熵生成的故障特征向量以及该向量在SVM中识别结果;对正常轴承、保持架故障、滚动体故障3种状态的轴承样本数据进行了故障诊断.研究结果表明:对3种轴承的故障识别率可以达到98％,较传统的经验模态熵识别率提高了2.6％,该方法可用作高速列车轴承状态诊断.

关键词：经验模态分解、奇异值分解、Teager能量算子、瞬时频率、轴承故障

所属期刊栏目：53

分类号：U279.3(车辆工程)

资助基金：四川省科技支撑计划资助项目2016JY0047

在线出版日期：2018-06-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：359-366