基于SVMD和波形因子准则的电动机滚动轴承故障特征提取方法

作     者：解春维 余美仪 Xie Chunwei;Yu Meiyi

作者机构：广州市机电技师学院广州510435 佛山科学技术学院广东佛山528225 

出 版 物：《机电工程技术》 (Mechanical & Electrical Engineering Technology)

年 卷 期：2024年第53卷第1期

页      面：238-242页

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 080201[工学-机械制造及其自动化] 

基　　金：广东省职业技术教育学会科研规划项目(202103Z152) 

主　　题：连续变分模态分解 轴承故障检测 波形因子 故障诊断 

摘      要：电动机轴承故障产生的冲击性信号具有非平稳、非线性的特点,且极易被随机噪声信号干扰,导致轴承故障特征信号的提取极具挑战性。为此提出一种基于连续变分模态分解(SVMD)和波形因子筛选准则的轴承故障信号提取方法。首先,考虑到传感器的零点漂移问题,对原始振动信号去趋势;其次,运用平滑噪声稳健差分器进行降噪;然后,运用SVMD算法分解降噪后的信号,分解过程无需事先知道信号模态数目,避免了模态数难以确定的问题;接下来,使用波形因子准则筛选出合适的模态分量描述轴承运动特征信号;最后,运用包络谱分析提取故障特征频率。仿真和实际轴承故障数据实验结果表明,与变分模态分解类方法相比,所提方法避免了事先预估模态数量,能够准确提取电动机轴承故障的特征信号。