基于ICEEMDAN和小波阈值的滚动轴承故障特征提取方法.docx

基于ICEEMDAN和小波阈值的滚动轴承故障特征提取方法
摘要
随着机械设备的广泛应用，滚动轴承故障的检测成为了一个热点研究领域。针对滚动轴承故障特征提取的问题，本文提出了一种基于ICEEMDAN和小波阈值的滚动轴承故障特征提取方法。首先，利用IntrinsicModeFunctions(IMFs)的特性，将滚动轴承振动信号分解为多个包含不同频率信息的IMFs。然后，将基于改进的CompleteEnsembleEmpiricalModeDecompositionwithAdaptiveNoise(ICEEMDAN)的方法将信号分解为IMFs，从而得到原始信号的时频信息。接下来，使用小波阈值去除信号的高频噪声。最后，计算包络直观图和功率谱，得到滚动轴承故障特征。仿真实验证明了本文提出的方法在准确性和鲁棒性方面均优于传统的方法。
关键词：ICEEMDAN，小波阈值，滚动轴承，特征提取
Abstract
Withthewidespreadapplicationofmechanicalequipment,thedetectionofrollingbearingfaultshasbecomeahotresearchfield.Aimingattheproblemoffeatureextractionofrollingbearingfaults,thispaperproposesarollingbearingfaultfeatureextractionmethodbasedonICEEMDANandwaveletthresholding.First,thevibrationsignaloftherollingbearingisdecomposedintomultipleIMFscontainingdifferentfrequencyinformationusingthecharacteristicsofIntrinsicModeFunctions(IMFs).Then,thesignalisdecomposedintoIMFsbasedontheimprovedCompleteEnsembleEmpiricalModeDecompositionwithAdaptiveNoise(ICEEMDAN)method,thusobtainingthetime-frequencyinformationoftheoriginalsignal.Next,waveletthresholdingisusedtoremovethehigh-frequencynoiseinthesignal.Finally,theenvelopeintuitivediagramandpowerspectrumarecalculatedtoobtainthefaultcharacteristicsoftherollingbearing.Simulationexperimentshaveprovedthatthemethodproposedinthispaperissuperiortothetraditionalmethodintermsofaccuracyandrobustness.
Keywords:ICEEMDAN,waveletthresholding,rollingbearing,featureextraction
引言
滚动轴承是机械设备中最常见和重要的元件之一。然而，由于工作环境的限制和使用寿命等因素的影响，滚动轴承容易出现故障。因此，对滚动轴承的故障检测研究成为了一个热点领域。
滚动轴承故障通常由振动信号引起。传统的故障检测方法通常采用时域和频域分析，如振动信号的均方根值、峰值、波形因子和峰值因子等。然而，这些方法存在着限制和局限性，例如对非线性和非平稳信号的处理困难，无法准确识别多种复杂故障。
基于信号处理和模式识别的方法已经成为滚动轴承故障诊断的热点研究方向。信号处理方法通常通过特征提取和降维等方法对滚动轴承振动信号进行预处理。模式识别方法通常使用支持向量机、人工神经网络和深度学习等技术进行分类和识别。
本文提出了一种基于ICEEMDAN和小波阈值的滚动轴承故障特征提取方法。该方法综合利用了IntrinsicModeFunctions(IMFs)的特性和小波阈值去噪的方法，从而提高了信号处理的准确性和鲁棒性。仿真实验结果表明，该方法具有良好的性能和较强的适用性，可以在工业领域中得到广泛应用。
二、方法
A.ICEEMDAN
CompleteEnsembleEmpiricalModeDecompositionwithAdaptiveNoise(CEEMDAN)是一种将信号分解为多个IMFs的算法，它通过分解后得到的IMFs来分析信号的时频特性。ICEEMDAN是