改进的傅里叶分解方法及其在滚动轴承故障诊断中的应用

摘要：

为了克服傅里叶分解方法在频谱扫描过程中容易获得较多相近边界,导致无效分量过多的问题,提出了一种改进的傅里叶分解方法(improved Fourier decomposition method,IFDM),并将其应用到轴承故障诊断中.首先,IFDM以傅里叶变换为基础,通过建立邻域叠加准则,将同大于或同小于特征平均值的若干相邻原始分量进行合并,得到一组傅里叶固有模态函数(Fourier intrinsic mode functions,FIMF),从而减少无效分量.其次,重构峭度值大于均值的若干FIMF分量,提取敏感故障特征信息.然后,采用自适应多尺度加权形态学滤波(adaptive multi-scale weighted morphological filtering,AMWMF)去除重构分量中的无关分量及背景噪声.最后,对滤波信号进行频谱分析.仿真和实测信号的分析结果验证了所提方法在轴承故障诊断中的有效性,同时,与现有方法的对比结果表明了所提方法的优越性.

关键词：傅里叶分解方法、邻域叠加、形态学滤波、滚动轴承、故障诊断

所属期刊栏目：42

分类号：TH165+.3;TH17

资助基金：滁州职业技术学院科技创新平台项目;滁州职业技术学院自然科学一般项目;安徽省高校自然科学重点研究项目;滁州职业技术学院自然科学重点项目

在线出版日期：2023-07-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：178-186