机械设计与制造2022，Vol.375Issue(5) ：123-126,131.

LMD-MOMEDA滚动轴承故障特征提取方法研究

Research on Fault Feature Extraction Method of LMD-MOMEDA Rolling Bearing

徐向阳 董辛旻 王前江 李伟
机械设计与制造2022，Vol.375Issue(5) ：123-126,131.
✕
  • 维普
  • 万方数据

LMD-MOMEDA滚动轴承故障特征提取方法研究

Research on Fault Feature Extraction Method of LMD-MOMEDA Rolling Bearing

徐向阳 1董辛旻 1王前江 1李伟1
扫码查看

作者信息

  • 1. 郑州大学振动工程研究所,河南郑州 450001
  • 折叠

摘要

由于滚动轴承的故障信号在强噪声的背景之下很容易被淹没,并且具有非线性、非平稳等特点致使故障特征提取困难,在分析了滚动轴承振动信号的特点后提出了一种将局部均值分解(LMD)与多点最优最小熵解卷积(MOMEDA)相结合的故障特征提取方法.首先将滚动轴承的故障信号进行LMD分解,得到一系列的PF分量;然后根据相关系数准则对相关程度较高的PF分量进行重构,用MOMEDA方法对重构后的信号进行降噪,提取故障特征.并通过实验验证了该方法的有效性.

关键词

局部均值分解(LMD)/多点最优最小熵解卷积(MOMEDA)/滚动轴承/特征提取

引用本文复制引用

基金项目

国家重点研发计划(2016YFF0203100)

出版年

2022
机械设计与制造
辽宁省机械研究院

机械设计与制造

CSTPCD北大核心
影响因子：0.511
ISSN：1001-3997
参考文献量4
段落导航相关论文