作者：任学平; 王朝阁; 张玉皓轴承故障最大相关峭度反褶积能量算子解调eemd分解
摘要：在强噪声环境下滚动轴承故障信号非常微弱,特征信息难以识别,为了能够准确、有效地检测出轴承故障,提出了最大相关峭度反褶积（maximum correlated kurtosis deconvolution,MCKD）和总体平均经验模态分解（ensemble empirical mode decomposition,EEMD）相结合的诊断方法。信噪比较低时EEMD不能很好地提取微弱的信号特征,故先运用MCKD对含有强噪声的轴承振动信号进行降噪预处理。然后对降噪后的信号进行EEMD分解,选取与降噪信号相关系数较大的IMF分量进行信号重构。最后对重构信号进行能量算子解调分析,从包络谱中便能准确获得故障特征频率。通过信号仿真和实验数据处理结果证明了该方法的有效性。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
