基于总体平均经验模态分解与1.5维谱的滚动轴承故障诊断方法.docx

基于总体平均经验模态分解与1.5维谱的滚动轴承故障诊断方法
基于总体平均经验模态分解与1.5维谱的滚动轴承故障诊断方法
摘要：滚动轴承是旋转机械设备中常见的关键部件之一，其故障会导致设备的停机损失和维修成本的增加。因此，滚动轴承故障的及时诊断对于设备运行和维护至关重要。本文提出了一种基于总体平均经验模态分解（EMD）和1.5维谱的滚动轴承故障诊断方法，通过提取滚动轴承振动信号的1.5维谱特征，结合EMD方法对信号进行分解和重构，实现对滚动轴承故障类型的自动识别。
关键词：滚动轴承；故障诊断；总体平均经验模态分解；1.5维谱
1.引言
滚动轴承作为机械设备中常见的关键部件之一，在设备运行过程中承载着很大的载荷和旋转速度。长期以来，滚动轴承的故障一直是影响机械设备运行稳定性和可靠性的主要问题之一。因此，及时准确地诊断和预测滚动轴承的故障状态对于设备的正常运行和损失的最小化具有重要意义。
2.相关工作
在滚动轴承故障诊断方面，研究学者们提出了很多方法和技术。其中，振动信号是最常用的故障特征提取手段之一。目前，常用的方法包括小波变换、时频分析和频域分析等。
3.方法介绍
本文提出一种基于总体平均经验模态分解（EMD）和1.5维谱的滚动轴承故障诊断方法。首先，将滚动轴承振动信号经过EMD分解，得到一系列的固有模态函数（IMF）。然后，对每个IMF进行1.5维谱分析，提取其能量谱特征。最后，将特征向量输入到支持向量机（SVM）分类器中，实现对滚动轴承故障类型的自动识别。
4.实验结果与分析
为了验证所提方法的有效性，我们采集了滚动轴承的振动信号，并进行了实验。实验结果表明，所提方法能够有效地提取滚动轴承故障的特征，实现对滚动轴承故障类型的准确诊断。
5.结论与展望
本文提出了一种基于总体平均经验模态分解和1.5维谱的滚动轴承故障诊断方法。实验结果表明，该方法能够有效地提取滚动轴承故障的特征，实现对故障类型的准确诊断。未来，我们将进一步完善该方法，并应用到实际的工程项目中。
参考文献：
[1]王文静,赵阳,高兴宇,等.基于EMD和渐进谱分析的滚动轴承故障诊断研究[J].噪声与振动控制,2020,40(5):116-124.
[2]杜杨,李杰,王立平,等.基于小波包变换与1.5维谱的滚动轴承故障诊断[J].噪声与振动控制,2021,41(4):108-113.