摘要：结合聚合经验模态分解（Ensemble empirical model decomposition,EEMD）优秀的非平稳信号分解能力和奇异值分解（Singular value decomposition,SVD）的强去噪能力,提出了一种高速列车滚动轴承故障检测的新方法。该方法是应用EEMD对轴承轴箱位置的振动信号分解得到基本模式分量（Intrinsic Mode Function,IMF）,对IMF矩阵做SVD得到正交化结果,分别利用各奇异值重构信号,应用各特征信号的Hilbert包络解调处理得到的包络谱诊断轴承故障类型。利用仿真信号数据和人工伤轴承试验数据对该方法进行验证,结果表明,该方法能有效提取轴承的故障特征信息,特征波形清晰准确,相比传统EEMD方法,在强噪声干扰时故障特征的诊断能力得到了显著提高。
分类：期刊> 自然科学与工程技术> 基础科学> 基础科学综合
收录：知网收录(中) > 维普收录(中) > 万方收录(中) > CA 化学文摘(美) > 国家图书馆馆藏 > 上海图书馆馆藏
关键词：聚合经验模态分解 奇异值分解 包络解调 轴承故障诊断
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
