机械传动2022，Vol.46Issue(3) ：163-169.DOI:10.16578/j.issn.1004.2539.2022.03.025

基于改进SSD降噪的滚动轴承故障特征提取

Feature Extraction of Weak Fault for Rolling Bearing based on Improved SSD Denoising

王续鹏 孙虎儿
机械传动2022，Vol.46Issue(3) ：163-169.DOI:10.16578/j.issn.1004.2539.2022.03.025
✕
  • NETL
  • NSTL
  • 维普
  • 万方数据

基于改进SSD降噪的滚动轴承故障特征提取

Feature Extraction of Weak Fault for Rolling Bearing based on Improved SSD Denoising

王续鹏 1孙虎儿1
扫码查看

作者信息

  • 1. 中北大学 机械工程学院,山西 太原 030051
  • 折叠

摘要

针对强背景噪声下滚动轴承早期微弱故障特征难以提取以及奇异谱分解方法分解的分量仍然包含噪声的问题,提出了一种奇异谱分解(Singular spectrum decomposition,SSD)和最大循环平稳盲解卷积(Maximum cyclostationarity blind deconvolution,CYCBD)相结合的滚动轴承微弱故障特征提取方法.由SSD方法将轴承振动信号自适应地分解为从高频到低频的奇异谱分量;根据分量峭度最大原则,筛选出最佳分量;再利用CYCBD对最佳分量后处理进一步降噪;进而对降噪后的信号进行Hilbert包络解调分析,得到故障特征频率.仿真和实验分析表明,该方法能有效提取滚动轴承早期微弱故障特征.

关键词

滚动轴承/奇异谱分解/最大2阶循环平稳盲解卷积/微弱故障/特征提取

引用本文复制引用

出版年

2022
机械传动
郑州机械研究所 中国机械通用零部件工业会齿轮分会 中国机械工程学会

机械传动

CSTPCD北大核心
影响因子：0.534
ISSN：1004-2539
被引量1
参考文献量8
段落导航相关论文