基于 LMD 自适应多尺度形态学和Teager 能量算子方法在轴承故障诊断中的应用

摘要：

为了从故障轴承信号中提取包含故障信号的特征频率，提出了基于 LMD（Local Mean Decomposition， LMD）自适应多尺度形态学和 Teager 能量算子解调的方法。首先，采用 LMD 将目标信号分解成有限个 PF（Product Func-tion，PF）分量，分别对其进行多尺度形态学滤波，利用峭度准则优化形态学结构元素尺度，自适应寻求最优解，最后用Teager 能量算子计算各 PF 分量的瞬时幅值，通过瞬时 Teager 能量的 Fourier 频谱识别轴承的故障特征频率。为了验证理论的正确性，进行了数字仿真实验和轴承故障模拟实验，并与 EMD 形态学和包络解调方法进行了比较，结果表明该算法明显优于其他两种方法，对滚动轴承外圈、内圈和滚子故障的检测精度更高，能够清晰地提取出故障信号的频率特征。

关键词：滚动轴承、LMD、多尺度形态学、故障诊断、Teager 能量算子

分类号：TH165

资助基金：国家自然科学基金11227201；11202141；11372197；11472179；51405313；铁路总公司重大项目2014J012；河北省自然科学基金A2013210013；A2015210005；河北省教育厅项目YQ2014028

在线出版日期：2016-04-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：7-13