基于VMD-SVD联合降噪和频率切片小波变换的滚动轴承故障特征提取.docx

基于VMD-SVD联合降噪和频率切片小波变换的滚动轴承故障特征提取
摘要
滚动轴承作为机械设备中常用的零件，其故障对设备正常运行影响极大。因此，对滚动轴承故障的监测与诊断一直是工程界的一个重要问题。本文提出了一种基于VMD-SVD联合降噪和频率切片小波变换的滚动轴承故障特征提取方法。该方法首先采用VMD-SVD方法联合降噪，去除信号中的噪声，然后将处理后的信号采用小波变换进行频谱分析，通过对不同频段振动信号进行切片，提取出故障频率的特征，并结合能量特征进行分析，实现对滚动轴承故障特征的提取。实验结果表明，该方法能够有效提取出不同故障状态下的特征信号，具有良好的诊断效果。
关键词：滚动轴承；故障特征提取；VMD-SVD联合降噪；频率切片小波变换
Abstract
Rollingbearings,ascommonlyusedcomponentsinmechanicalequipment,areveryimportantfornormaloperationofequipment.Therefore,themonitoringanddiagnosisofrollingbearingfaultshavealwaysbeenimportantissuesintheengineeringfield.Inthispaper,amethodforextractingfaultcharacteristicsofrollingbearingsbasedonVMD-SVDjointdenoisingandfrequency-slicedwavelettransformisproposed.ThismethodfirstusestheVMD-SVDmethodtojointlydenoisethesignal,removesthenoiseinthesignal,andthenusesthewavelettransformtoperformspectralanalysisontheprocessedsignal.Byslicingthevibrationsignalsindifferentfrequencybands,thecharacteristicfrequenciesoffaultsareextracted,andtheenergycharacteristicsareanalyzedtoachievetheextractionofthefaultcharacteristicsofrollingbearings.Theexperimentalresultsshowthatthemethodcaneffectivelyextractthecharacteristicsignalsunderdifferentfaultstatesandhasagooddiagnosiseffect.
Keywords:Rollingbearings;faultfeatureextraction;VMD-SVDjointdenoising;frequency-slicedwavelettransform
引言
滚动轴承作为机械设备中常用的零件，其在设备正常运转中起到不可忽视的作用。然而，在长时间的工作中，滚动轴承可能会出现各种故障，例如疲劳裂纹、磨损等，这些故障会对设备的正常工作产生影响，并导致设备的失效。因此，对滚动轴承故障进行在线监测与诊断已成为工程界的一个重要问题。
传统的滚动轴承故障诊断方法主要是基于振动信号分析，通过对振动信号进行轴承状态分析和判别，确定轴承故障类型。但是，由于振动信号的频域信息分布不均，故障输易被掩盖，故障特征提取具有一定的难度。因此，研究如何更好地从滚动轴承振动信号中提取出故障特征信息成为了一个重要的研究课题。
近年来，基于随机过程分析、小波分析、频域分析等方法研...