基于多层混合滤噪的轴承早期弱故障特征提取方法

摘要：

为了提取受强背景噪声干扰的信号中的弱故障特征,提出一种基于局部均值分解的多层混合滤噪方法(Local Mean Decomposition-Multilayer Hybrid De-noising,LMD-MHD).针对LMD分解所得的乘积函数(Product Function,PF)分量可能存在虚假分量的问题,提出一种多指标综合决策方法,结合各指标在不同故障阶段的量化能力,筛选出合理的有效PF分量.将小波阈值滤噪设为奇异值分解(Singular Value Decomposition,SVD)的前置处理单元,使保留的较大奇异值以特征信息贡献为主,减少干扰成分,并采用信号快速傅里叶变换结果中主频率个数来确定奇异值重构阶数.轴承早期故障振动信号的试验结果表明,该方法能够可有效滤除随机噪声和脉冲干扰,提取强背景噪声下的早期弱故障特征,提高轴承故障诊断的准确性.

关键词：弱故障诊断、局部均值分解、滤噪、奇异值分解

所属期刊栏目：37

分类号：TH165.3;TN911.7

资助基金：国家自然科学基金51375290;上海航天科技创新基金SAST2015054;中央高校基本科研业务费

在线出版日期：2018-07-19（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：22-27