基于噪声辅助多元经验模态分解和多尺度形态学的滚动轴承故障诊断方法

摘要：

为了从强噪背景中提取滚动轴承微弱故障特征，提出一种基于噪声辅助多元经验模态分解（Noise Assis-ted Multivariate Empirical Mode Decomposition，NAMEMD）和数学形态学的滚动轴承故障诊断方法。NAMEMD 是新提出的一种基于噪声辅助数据分析方法，其克服了集成经验模态分解的模态混淆和运算量大等问题。将 NAMEMD 与多尺度形态学相结合应用于滚动轴承故障诊断。该方法首先利用 NAMEMD 将多分量调频调幅故障信号自适应分解为一系列 IMF分量；其次，选取能量高的 IMF 分量求和重构；最后利用多尺度形态学差值滤波器提取信号的故障特征频率。为了验证理论的正确性，进行了仿真试验和轴承故障试验，并与 EEMD 和包络解调进行了比较，结果表明该方法在进一步降低模态混叠效应的同时，明显提高了运算速度，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故障特征频率。

关键词：噪声辅助多元经验模态分解、模态混叠、多尺度形态学、滚动轴承、故障诊断

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：127-133