热能动力工程

作者：李 洋

单位：上海理工大学 能源与动力工程学院，上海 200093,

关键词：轴承;故障诊断;分形;关联维数;EEMD

基金：国家自然科学基金（51676131，51176129）；上海市科学技术委员会项目（13DZ2260900）

摘 要：为对具有强烈非线性特征的轴承振动信号做出准确的故障识别，基于分形理论，采用辅助经验模态分解（Ensemble Empirical Mode Decomposition，EEMD）对信号进行降噪预处理，采用G-P算法分析轴承不同状态下振动信号关联维数。研究表明：基于EEMD的降噪方法可有效对振动信号进行降噪；轴承工作状态不同，其振动信号关联维数具有明显的可区分性，当轴承处于外环故障时，其关联维数最大为4.7，当轴承处于滚珠故障时，其关联维数最小仅为3.0，当轴承处于正常/内环故障时，其关联维数分别为4.0/3.2。因此，利用关联维数能定量识别轴承的不同故障状态及位置。

来源：2018年第8期

《热能动力工程》期刊编辑部

查看热能动力工程杂志2018年第8期