典型文献
基于改进变分模态分解及多重分形的轴承信号非线性分析
文献摘要:
考虑轴承故障初期具有特征信号微弱、易受噪声干扰以及非线性强等特点.基于分形盒维数提出改进变分模态分解提取轴承故障信号非线性信息方法(Improved Variational Mode Decomposition for Nonlinear Features Extraction,IVMD-NFE).又因非线性信号的多测度性,采用多重分形去趋势波动分析(Multifractal Detrended Fluctuation Analysis,MF-DFA)法,研究各故障信号的多重分形特征.以滚动轴承实验数据为研究对象,采用IVMD-NFE与MF-DFA方法对轴承初期信号进行故障分析与诊断.结果 表明:采用IVMD-NFE方法提取的信号可较大程度滤除噪声且具有更低的分形盒维数,提取的非线性特征更具代表性;轴承故障信号呈现多重分形特征,外圈故障的奇异指数α0最大,非线性最强,保持架故障时α0最小,非线性最弱,说明通过数据复杂度可较好反应轴承运行状态,而采用VMD或直接对原始信号进行处理的方法,未能提取有效非线性特征,导致故障区分失败.
文献关键词:
变分模态分解;分形;轴承;非线性;故障诊断
中图分类号:
作者姓名:
金江涛;许子非;李春;缪维跑;张万福;李根
作者机构:
上海理工大学能源与动力工程学院,上海200093;上海市动力工程多项流动与传热重点实验室,上海200093
文献出处:
引用格式:
[1]金江涛;许子非;李春;缪维跑;张万福;李根-.基于改进变分模态分解及多重分形的轴承信号非线性分析)[J].机械强度,2022(01):45-52
A类:
奇异指数
B类:
改进变分模态分解,非线性分析,轴承故障,具有特征,特征信号,微弱,噪声干扰,盒维数,故障信号,信息方法,Improved,Variational,Mode,Decomposition,Nonlinear,Features,Extraction,IVMD,NFE,非线性信号,多重分形去趋势波动分析,Multifractal,Detrended,Fluctuation,Analysis,MF,DFA,多重分形特征,滚动轴承,故障分析,滤除噪声,非线性特征,外圈,保持架,最弱,明通,承运
AB值:
0.34692
相似文献
机标中图分类号,由域田数据科技根据网络公开资料自动分析生成,仅供学习研究参考。