基于变分模态分解和Teager能量算子的滚动轴承故障特征提取_马增强_李亚超_刘

SVD-LMD联合降噪和TEO的滚动轴承故障诊断

2021年机械传动

SVD-LMD联合降噪和TEO的滚动轴承故障诊断

谢小正1李俊1赵荣珍1崔振琦2

（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）

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

（Singularvaluedecomposition，SVD）和局部均值分解（Localmeandecomposition，LMD）联合降噪，并

结合Teager能量算子（Teagerenergyoperator，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（Productfunction，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。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

FaultDiagnosisofRollingBearingsbasedonSVD-LMDJointDe-noisingandTEO

XieXiaozheng1LiJun1ZhaoRongzhen1CuiZhenqi2

（1SchoolofMechanical&ElectronicEngineering，LanzhouUniversityofTechnology，Lanzhou730050，China）（2GansuZhudingConstructionCo.，Ltd.Jiayuguan735100，China）

AbstractAimingatthedifficultyextractingthelocaldamageinformationofrollingbearingsunderthebackgroundofrandomnoise，anewfeatureextractionmethodbasedonsingularvaluedecomposition(SVD)and

基于自适应变分模态分解和调制信号双谱的滚动轴承故障诊断方法

田少宁;甄冬;李海洋;冯国金;谷丰收

【期刊名称】《轴承》

【年(卷),期】2023()2

【摘要】针对滚动轴承振动信号的强非线性和非平稳特征,提出了一种基于自适应变分模态分解和调制信号双谱分析(AVMD-MSB)的故障诊断方法来提取滚动轴承故障特征。首先,利用AVMD自适应地选择VMD参数K和α并将振动信号分解为一系列本征模态函数(IMF),减少了基于经验或信号先验知识对VMD参数选择不当而造成的误差;然后,依据相关峭度指数对所有IMF分量进行加权重构,避免意外遗漏包含重要故障信息的IMF分量;最后,应用MSB进一步抑制信号中的残余噪声和干扰成分,以增强周期性故障脉冲,准确提取轴承故障特征。2组不同类型轴承的试验结果表明,AVMD-MSB的特征频率增强系数远高于AVMD-Envelope和常规VMD-MSB,在滚动轴承故障诊断方面具有更高的灵敏度和更强的鲁棒性。

【总页数】8页(P39-45)

【作者】田少宁;甄冬;李海洋;冯国金;谷丰收

【作者单位】河北工业大学机械工程学院;天津商业大学机械工程学院;Centre for

Efficiency and Performance Engineering of Huddersfield

【正文语种】中文

【中图分类】TH133.33 【相关文献】

1.基于变分模态分解与多尺度熵的r滚动轴承故障诊断方法2.基于变分模态分解排列熵和粒子群优化支持向量机的滚动轴承故障诊断方法3.基于改进变分模态分解的滚动轴承故障诊断方法4.基于变分非线性调频模态分解的滚动轴承多故障诊断方法研究5.基于变分模态分解和卷积神经网络融合的滚动轴承故障诊断方法

因版权原因，仅展示原文概要，查看原文内容请购买

一种用于滚动轴承故障诊断的脉冲增强提取方法

第 36 卷第 2 期2023 年4 月振动工程学报Journal of Vibration EngineeringVol. 36 No. 2Apr. 2023

一种用于滚动轴承故障诊断的脉冲增强提取方法

冯坤1，2，李业政1，胡明辉1，2

（1.北京化工大学发动机健康监控及网络化教育部重点实验室，北京 100029； 2.北京化工大学高端机械装备健康监控与自愈化北京市重点实验室，北京 100029）

摘要: 针对齿轮箱滚动轴承发生故障时，其故障脉冲被强烈干扰信号湮没而导致故障特征难以提取的难题，提出了基于脉冲增强提取的滚动轴承故障诊断方法。基于表征故障脉冲周期性的包络谱，构建了能指示振动信号中故障脉冲强度的脉冲提取算子（PEO）；考虑到微弱故障信号特征增强的需求，结合最小熵解卷积（MED）构造了脉冲增强提取算子指标（PEEO），用于评价MED不同滤波长度对故障脉冲增强的效果；构建基于MED滤波长度、脉冲频率以及PEEO的三维滤波模型，利用三维滤波谱PEEO峰值定位MED最优滤波长度并指示脉冲增强信号特征频率，获取最优脉冲增强信号的同时实现齿轮箱滚动轴承故障特征的提取。仿真分析和实验验证结果表明，该方法可以有效增强轴承故障脉冲，并在最优脉冲增强信号PEEO幅值谱中呈现显著的轴承故障特征，实现了齿轮箱滚动轴承微弱故障的诊断，且与典型方法相比具有明显优势。

关键词: 故障诊断；滚动轴承；脉冲增强提取；最小熵解卷积（MED）；最优滤波中图分类号: TH165+.3； TH133.33 文献标志码: A 文章编号: 1004-4523（2023）02-0582-11 DOI：10.16385/ki.issn.1004-4523.2023.02.030

引　言

齿轮箱在进行动力传动过程中，其振动信号以

齿轮啮合信号和噪声为主，当其内部滚动轴承发生

故障时，故障脉冲信号被严重覆盖而表现微弱。面

对频率成分复杂的齿轮箱振动信号，传统的共振解

基于变分模态分解奇异值熵的滚动轴承微弱故障辨识方法

张琛;赵荣珍;邓林峰

【期刊名称】《振动与冲击》

【年(卷),期】2018(037)021

【摘要】针对滚动轴承微弱故障难以识别的问题,提出一种基于变分模态分解(Variational Mode Decomposition,VMD)与奇异值熵融合的滚动轴承微弱故障辨识方法.该方法对滚动轴承的振动信号进行VMD分解获得4个本征模态函数(Intrinsic Mode Function,IMF),并根据一种均方差-欧氏距离指标选择出含丰富故障信息的IMF分量进行信号重构;对重构信号进行奇异值分解获得奇异值对角阵,进而结合信息熵理论求取对角阵的奇异值熵;利用奇异值熵的大小区分滚动轴承的工作状态和故障类型.用美国西储大学的滚动轴承振动信号对所述方法进行验证的结果表明:相比传统EMD奇异值熵故障诊断方法,该方法能够更清晰地划分出滚动轴承微弱故障的类别区间,有助于实现微弱故障类型的准确辨识,为滚动轴承微弱故障诊断提供了一种可靠的评估依据.

【总页数】6页(P87-91,107)

【作者】张琛;赵荣珍;邓林峰

【作者单位】兰州理工大学机电工程学院,兰州730050;兰州理工大学机电工程学院,兰州730050;兰州理工大学机电工程学院,兰州730050

【正文语种】中文

【中图分类】TP206.3;TH132 【相关文献】

1.基于变分模态分解排列熵和粒子群优化支持向量机的滚动轴承故障诊断方法 [J],

阮婉莹;马增强;李亚超

2.基于最大幅值变分模态分解和均方根熵的滚动轴承故障诊断 [J], 孟宗; 岳建辉;

邢婷婷; 李晶; 殷娜

3.基于变分模态分解和多尺度排列熵的滚动轴承故障诊断 [J], 张建财; 高军伟

4.基于改进自适应变分模态分解的滚动轴承微弱故障诊断 [J], 谷然; 陈捷; 洪荣晶;

潘裕斌; 李媛媛

5.基于参数优化变分模态分解的滚动轴承微弱故障诊断研究 [J], 瞿红春; 许旺山;

基于Teager能量算子和ZFFT的滚动轴承故障特征提取

夏均忠;赵磊;白云川;于明奇;汪治安

【摘要】滚动轴承在发生故障时其振动信号会出现调制现象.Teager能量算子相比于Hilben变换在运算速度和解调精度方面具有明显优势,但其不能提供足够高的分辨率来解调低频调制信号,为此提出复调制细化谱分析方法.通过轴承故障模拟实验,对采集的正常、内圈轻微、严重故障的轴承振动信号进行Teager能量算子解调,然后对其包络进行复调制细化谱分析,得到轴承回转频率及其谐波,内圈故障特征频率及其谐波、边频带.随着轴承内圈故障程度的增加,内圈故障特征频率、边频带的幅值明显增大,可作为滚动轴承内圈点蚀故障特征参数.%There are modulation

phenomena in vibration signals of rolling element bearings when there are

faults in those bearings.Teager energy operator has obvious superiorities

of computing speed and demodulation accuracy compared with Hilbert

transformation,but it is unable to provide an enough high resolution for

demodulating lower frequency modulated signals.Here,the method of

multiple modulation zoom spectral analysis (ZFFT) was proposed.A bearing

simulator was used to collect vibration signals of a bearing's inner race

VMD和ICA联合降噪方法在轴承故障诊断中的应用

马增强;柳晓云;张俊甲;王建东

【摘要】In order to solve the problem of fault features of rolling bearings

being difficult to extract, the signal analysis method of variational mode

decomposition(VMD) combined with independent component analysis(ICA)

was proposed here.At first, VMD was used to decompose a multi-component vibration signal into a number of quasi-orthogonal intrinsic

mode functions (IMFs) to effectively suppress problems, such as, mode

mixing, end effect and so on existing in LMD algorithm.Then the kurtosis

criterion was used to choose the corresponding IMFs to be reconstructed,

and to induce a virtual noise channel.Finally, the reconstructed signal was

denoised again with the fastICA, the effective fault feature components

were extracted and the fault types were identified.In order to verify the

基于VMD-SVD联合降噪和频率切片小波变换的滚动轴承故障特征提取

马增强;张俊甲;张安;阮婉莹

【摘要】针对滚动轴承早期故障信息微弱,频率切片小波变换(FSWT)在强背景噪声中提取故障特征的不足,提出变分模态分解(VMD)奇异值分解(SVD)联合降噪与FSWT相结合的故障特征提取方法,首先利用VMD故障信号自适应分解为若干本征模态分量(IMF),通过峭度准则选择包含故障信息最丰富的IMF进行信号重构,其次利用SVD对重构信号进行再次降噪,提高信噪比.最后对降噪信号进行FSWT,凸显故障信号的时频分布信息提取故障特征.仿真信号和实际数据分析结果表明,该方法有效消除了噪声的影响,能够清晰提取故障信号的特征频率,实现滚动轴承故障的精准识别.

【期刊名称】《振动与冲击》

【年(卷),期】2018(037)017

【总页数】8页(P210-217)

【关键词】滚动轴承;变模态分解;奇异值分解;频率切片小波变换;故障特征提取

【作者】马增强;张俊甲;张安;阮婉莹

【作者单位】石家庄铁道大学电气与电子工程学院,石家庄 050043;石家庄铁道大学电气与电子工程学院,石家庄 050043;石家庄铁道大学电气与电子工程学院,石家庄 050043;石家庄铁道大学电气与电子工程学院,石家庄 050043

【正文语种】中文【中图分类】TH165+.3

滚动轴承作为旋转机械中应用最广的关键零部件，其工作状态直接影响机械系统的运行效率及使用寿命,因此，对轴承的故障诊断有重要意义和应用价值。

时频分析方法能提取振动信号时域和频域的局部信息，在滚动轴承故障诊断中有着广泛的应用。典型的时频分布有小波变换、短时Fourier变换、Wigner-Ville分布等[1-2]，但是这些方法都存在着各自的局限性，Yan等[3-4]提出了一种新的时频分析方法——频率切片小波变换(Frequency Sliced Wavelet Transform,

一种改进的EEMD算法及其在滚动轴承故障诊断中的应用

李亚超;刘政;马增强

【摘要】With its adaptability and anti-aliasing,Ensemble Empirical Mode

Decomposition(EEMD)is used widely in rolling bearing fault diagnosis.In

order to solve the problem that the parameters of ensemble empirical

mode decomposition(EEMD)is difficult to obtain,a method for fault

diagnosis of rolling bearing based on modified EEMD and Teager energy

operator is proposed.Firstly,the fault signal is preprocessed,the added

white noise magnitude and the ensemble times is obtained.Then the fault

signal is decomposed into several intrinsic mode function(IMF)by modified

EEMD,and the IMF of biggest kurtosis is selected with Kurtosis Criterion

and demodulated into Teager energy spectrum with Teager energy

operator.Finally,the working status and fault type of rolling bearings is

基于变分模态分解和谱峭度法的滚动轴承故障特征提取

第３１卷第１１期　电子测量与仪器学报　

。１７８２‘　ＪＯＵＲＮＡＬ　ｏＦ　ＥＬＥＣＴＲｏＮｌＣ　ＭＥＡｓＵＲＥＭＥＮＴ　ＡＮＤ　ＩＮＳＴＲＵＭＥＮＴＡＴＩｏＮ　Ｚ．３１，ｖｏ．１１　２０１７年１１月　

ＤＯＩ：１０．１３３８２／ｊ．ｊｅｍｉ．２０１７．１　１．０１３　

基于变分模态分解和谱峭度法的滚动　

轴承故障特征提取木　

马增强　李亚超　’　阮婉莹　张安　

（１．石家庄铁道大学电气与电子工程学院石家庄０５００４３；２．南车青岛四方机车车辆股份有限公司青岛２６６１１１）　

摘要：针对共振解调中带通滤波器参数的选取通常比较困难，以及滚动轴承早期微弱故障信号通常被强烈的背景噪声淹没，　为此，提出了使变分模态分解（ｖａｒｉａｔｉｏｎａｌ　ｍｏｄｅ　ｄｅｃｏｍｐｏｓｉｔｉｏｎ，ＶＭＤ）和谱峭度法共同作用来处理故障信号的方法。首先要重构　

故障信号，利用ＶＭＤ分解得到故障信号的本征模态分量（ｉｎｔｒｉｎｓｉｃ　ｍｏｄｅ　ｆｕｎｃｔｉｏｎ，ＩＭＦ），再计算各分量对应的峭度值对其自适　

应重构。然后，对重构信号进行快速谱峭度分析，并据此设计带通滤波器。最后，根据重构信号共振解调后的谱线即可准确判　断轴承故障。通过处理实测数据进行诊断，结果表明了该方法较传统共振解调法诊断结果更精确。由此可见，谱峭度法在滤波　

器参数选择上具有可靠性，以及ＶＭＤ与谱峭度结合能够降低噪声干扰提取微弱故障信号。　

关键词：故障诊断；滚动轴承；变分模态分解；谱峭度　中图分类号：ＴＮ７１０．１；ＴＨ１６５　．３　文献标识码：Ａ　国家标准学科分类代码：４７０．４０　

Ｒｏｌｌｉｎｇ　ｂｅａｒｉｎｇ　ｆａｕｌｔ　ｆｅａｔｕｒｅ　ｅｘｔｒａｃｔｉｏｎ　ｂａｓｅｄ　ｏｎ　ＶＭＤ　ａｎｄ　ｓｐｅｃｔｒａｌ　ｋｕｒｔｏｓｉｓ　

Ｍａ　Ｚｅｎｇｑｉａｎｇ　Ｌｉ　Ｙａｃｈａｏ　・　Ｒｕａｎ　Ｗａｎｙｉｎｇ　Ｚｈａｎｇ　Ａｎ　

（１．Ｓｃｈｏｏｌ　ｏｆ　Ｅｌｅｃｔｒｉｃａｌ　ａｎｄ　Ｅｌｅｃｔｒｏｎｉｃｓ　Ｅｎｇｉｎｅｅｒｉｎｇ，Ｓｈ￣ｉａｚｈｕａｎｇ　Ｔｉｅｄａｏ　Ｕｎｉｖｅｒｓｉｔｙ，ＳｈＯｉａｚｈｕａｎｇ　０５００４３，Ｃｈｉｎａ；　

基于VMD和Teager能量增强谱的滚动轴承故障诊断方法

陈玉娟;李焕娜

【期刊名称】《机床与液压》

【年(卷),期】2016(044)015

【摘要】针对强噪声干扰下滚动轴承故障特征难以提取的问题，提出一种变分模态分解和Teager能量增强谱的滚动轴承故障诊断方法。该方法首先通过变分模态分解（ Variational Mode Decomposition ， VMD）将非平稳的轴承故障振动信号分解成一系列平稳的窄带分量；然后根据峭度－相关性最大准则挑选包含故障特征信息最丰富的窄带分量作为主分量；最后对选取的主分量进行Teager能量增强谱，提取滚动轴承的故障特征。通过仿真和实例分析的结果表明：该方法能有效地提取出滚动轴承早期故障特征，且能够抑制强烈的噪声干扰和增强故障冲击特征，优于传统包络谱分析和基于经验模态分解（ Empirical Mode Decomposition ，

EMD）和Teager能量谱的方法的分析结果。%In view of it is difficult to

extract the fault features of rolling bearing under the strong noise

interference , a rolling bear-ing fault diagnosis method was proposed

based on variational mode decomposition and Teager energy enhanced

spectrum .Firstly the o-riginal acceleration vibration signal of rolling

bearing was decomposed by variational mode decomposition ( VMD) to

several narrow-band components;Then according to the criterion of