SVD-LMD联合降噪和TEO的滚动轴承故障诊断
Fault Diagnosis of Rolling Bearings based on SVD-LMD Joint De-noising and TEO
- 机械传动 2021年45卷第6期 页码：104-112
- 作者机构：
1.兰州理工大学 机电工程学院， 甘肃 兰州 730050
2.甘肃筑鼎建设有限责任公司， 甘肃 嘉峪关 735100
- 作者简介：
谢小正（1979─ ），男，甘肃甘谷人，博士，副研究员，主要研究方向为机械系统故障诊断、工业机器人应用。
李俊（1995─ ），男，吉林安图人，硕士研究生，研究方向为旋转机械故障诊断与动态信号处理。
- 基金信息：国家自然科学基金面上项目(51675253)
DOI：10.16578/j.issn.1004.2539.2021.06.016
中图分类号：
扫 描 看 全 文
谢小正,李俊,赵荣珍等.SVD-LMD联合降噪和TEO的滚动轴承故障诊断[J].机械传动,2021,45(06):104-112.
Xie Xiaozheng,Li Jun,Zhao Rongzhen,et al.Fault Diagnosis of Rolling Bearings based on SVD-LMD Joint De-noising and TEO[J].Journal of Mechanical Transmission,2021,45(06):104-112.
谢小正,李俊,赵荣珍等.SVD-LMD联合降噪和TEO的滚动轴承故障诊断[J].机械传动,2021,45(06):104-112. DOI： 10.16578/j.issn.1004.2539.2021.06.016.
Xie Xiaozheng,Li Jun,Zhao Rongzhen,et al.Fault Diagnosis of Rolling Bearings based on SVD-LMD Joint De-noising and TEO[J].Journal of Mechanical Transmission,2021,45(06):104-112. DOI： 10.16578/j.issn.1004.2539.2021.06.016.
摘要
针对随机噪声背景下滚动轴承局部损伤信息提取困难的问题，提出了一种奇异值分解（Singular value decomposition，SVD）和局部均值分解（Local mean decomposition，LMD）联合降噪，并结合Teager能量算子（Teager energy operator，TEO）的特征提取新方法。首先，利用SVD方法对滚动轴承故障振动信号进行处理，初步剔除背景噪声；然后，使用LMD方法分解降噪后的信号，依据相关系数指标筛分出敏感乘积函数（Product function，PF）并加以重构；最后，对重构的信号进行TEO解调分析，将解调谱中幅值突出的频率成分与故障特征频率理论值进行对比，提取故障信息。结果表明，该方法可有效提取轴承局部损伤的特征频率，最终实现故障诊断。
Abstract
Aiming at the difficulty extracting the local damage information of rolling bearings under the background of random noise，a new feature extraction method based on singular value decomposition(SVD) and local mean decomposition(LMD) joint de-noising combined with Teager energy operator(TEO) is proposed. Firstly，by using the SVD method，the fault vibration signal of rolling bearings is processed to eliminated the background noise preliminarily. Then，the signal which is denoised by using LMD method is reconstructed after the sensitive product function(PF) is screened out according to the correlation coefficient index. Finally，the reconstructed signal is analyzed by TEO demodulation，the frequency component which amplitude prominent in demodulation spectrum is compared with the theoretical value of fault characteristic frequency to extract fault information. The experimental results demonstrate that the method can effectively extract the characteristic frequency of the local damage information of rolling bearings and the fault diagnosis is realized.
关键词
滚动轴承奇异值分解局部均值分解Teager能量算子故障诊断
Keywords
Rolling bearingSingular value decomposition(SVD)Local mean decomposition （LMD）Teager energy operator(TEO)Fault diagnosis
references
王奉涛，苏文胜.滚动轴承故障诊断与寿命预测［M］.北京：科学出版社，2018：7.
WANG Fengtao，SU Wensheng.Rolling bearing fault diagnosis and life prediction［M］.Beijing：Science Press，2018：7.
杨斌，张家玮，王建国，等.CEEMD和MCKD的滚动轴承早期故障特征提取［J］.机械科学与技术，2018，37（12）：1936-1943.
YANG Bin，ZHANG Jiawei，WANG Jianguo，et al.Early fault feature extraction of rolling bearings applying CEEMD-MCKD［J］.Mechanical Science and Technology for Aerospace Engneering，2018，37（12）：1936-1943.
张云强，张培林，王怀光，等.基于双时域微弱故障特征增强的轴承早期故障智能识别［J］.机械工程学报，2016，52（21）：96-103.
ZHANG Yunqiang，ZHANG Peilin，WANG Huaiguang，et al.Rolling bearing early fault intelligence recognition based on weak fault feature enhancement in time-time domain［J］.Journal of Mechanical Engneering，2016，52（21）：96-103.
HUANG N E，SHEN Z，LONG S R，et al.The empirical mode decomposition and the Hilbert spectrum for nonlinear and non-stationary time series analysis［J］.Proceedings of the Royal Society of London Series A Mathematical，Physical and Engineering Sciences，1998，454（1971）：903-995.
SMITH J S.The local mean decomposition and its application to EEG perception data［J］.Journal of the Royal Society Interface，2005，2（5）：443-454.
程军圣，张亢，杨宇.局部均值分解方法及其在滚动轴承故障诊断中的应用［J］.中国机械工程，2009，20（22）：2711-2717.
CHENG Junsheng，ZHANG Kang，YANG Yu.Local mean decomposition method and its application to roller bearing fault diagnosis［J］.China Mechanical Engneering，2009，20（22）：2711-2717.
郑近德，程军圣.改进的希尔伯特-黄变换及其在滚动轴承故障诊断中的应用［J］.机械工程学报，2015，51（1）：138-145.
ZHENG Jinde，CHENG Junsheng.Improved Hilbert-Huang transform and its applications to rolling bearing fault diagnosis［J］.Journal of Mechanical Engneering，2015，51（1）：138-145.
程军圣，杨宇，于德介.局部均值分解方法及其在齿轮故障诊断中的应用［J］.振动工程学报，2009，22（1）：76-84.
CHENG Junsheng，YANG Yu，YU Dejie.The local mean decomposition method and its application to gear fault diagnosis［J］.Journal of Vibration Engneering，2009，22（1）：76-84.
汤宝平，蒋永华，张详春.基于形态奇异值分解和经验模态分解的滚动轴承故障特征提取方法［J］.机械工程学报，2010，46（5）：37-42.
TANG Baoping，JIANG Yonghua，ZHANG Xiangchun.Feature extraction method of rolling bearing fault based on singular value decomposition-morphology filter and empirical mode decomposition［J］.Journal of Mechanical Engneering，2010，46（5）：37-42.
JIANG H M，CHEN J，DONG G M，et al.Study on Hankel matrix-based SVD and its application in rolling element bearing fault diagnosis［J］.Mechanical Systems and Signal Processing，2015，52/53：338-359.
WAN S T，ZHANG X.Teager energy entropy ratio of wavelet packet transform and its application in bearing fault diagnosis［J］.Entropy，2018：20（5）：388.
王天金，冯志鹏，郝如江，等.基于Teager能量算子的滚动轴承故障诊断研究［J］.振动与冲击，2012，31（2）：1-5.
WANG Tianjin，FENG Zhipeng，HAO Rujiang，et al.Fault diagnosis of rolling element bearings based on Teager energy operator［J］.Journal of Vibration and Shock，2012，31（2）：1-5.
靳行，林建辉，伍川辉，等.基于EEMD-TEO熵的高速列车轴承故障诊断方法［J］.西南交通大学学报，2018，53（2）：359-366.
JIN Xing，LIN Jianhui，WU Chuanhui，et al.Diagnostic method for high-speed train bearing fault based on EEMD-TEO entropy［J］.Journal of Sourthwest Jiaotong University，2018，53（2）：359-366.
祝小彦，王永杰.基于MOMEDA与Teager能量算子的滚动轴承故障诊断［J］.振动与冲击，2018，37（6）：104-110.
ZHU Xiaoyan，WANG Yongjie.Fault diagnosis of rolling bearings based on the MOMEDA and Teager energy operator［J］.Journal of Vibration and Shock，2018，37（6）：104-110.
赵学智，叶邦彦，陈统坚.奇异值差分谱理论及其在车床主轴箱故障诊断中的应用［J］.机械工程学报，2010，46（1）：100-108.
ZHAO Xuezhi，YE Bangyan，CHEN Tongjian.Difference spectrum theory of singular value and its application to the fault diagnosis of headstock of lathe［J］.Journal of Mechanical Engneering， 2010，46（1）：100-108.
0
浏览量
3
下载量
0
CSCD
- 网络PDF下载
- Meta-XML下载
- BibTeX下载
- Endnote下载
- RefMan 下载
- NoteExpress下载
- NoteFirst下载
关联资源
相关文章
相关作者
相关机构
- 技术支持由北京北大方正电子有限公司提供 豫ICP备05013835号-5
京公网安备11010802024621 - 本系统建议在Chrome、 IE9+ 以上版本浏览器阅读本站内容，360浏览器请切换至极速模式
- Cookies帮助我们提供服务并提供个性化体验。使用本网站，即表示您同意我们使用Cookies