改进DLMD和TKEO的滚动轴承故障特征提取方法

罗亭; 马军; 王晓东; 杨创艳; 李卓睿

doi:10.12263/DZXB.20200423

您当前的位置：

首页 >

文章列表页 >

改进DLMD和TKEO的滚动轴承故障特征提取方法

科研通信 | 更新时间：2025-12-08

- 改进DLMD和TKEO的滚动轴承故障特征提取方法
- Improved DLMD and TKEO Method for Fault Feature Extraction of Rolling Bearing
- 电子学报 2021年49卷第2期页码：387-393
- 作者机构：
  
  1. 昆明理工大学信息工程与自动化学院,云南,昆明,650500
  2. 昆明理工大学云南省人工智能重点实验室,云南,昆明,650500
  3. 昆明理工大学信息工程与自动化学院,云南,昆明,650500
  4. 昆明理工大学云南省人工智能重点实验室,云南,昆明,650500
- 作者简介：
- 基金信息：
  
  国家自然科学基金 (No.51765022，No.61663017）;云南省科技计划项目 (No.2019FD042）
- DOI：10.12263/DZXB.20200423
  中图分类号： TN911.7
- 网络出版：2021-02-25，
  
  纸质出版：2021
- 稿件说明：
移动端阅览
罗亭, 马军, 王晓东, 等. 改进DLMD和TKEO的滚动轴承故障特征提取方法[J]. 电子学报, 2021,49(2):387-393.

LUO Ting, MA Jun, WANG Xiao-dong, et al. Improved DLMD and TKEO Method for Fault Feature Extraction of Rolling Bearing[J]. Acta Electronica Sinica, 2021, 49(2): 387-393.
罗亭, 马军, 王晓东, 等. 改进DLMD和TKEO的滚动轴承故障特征提取方法[J]. 电子学报, 2021,49(2):387-393. DOI： 10.12263/DZXB.20200423.

LUO Ting, MA Jun, WANG Xiao-dong, et al. Improved DLMD and TKEO Method for Fault Feature Extraction of Rolling Bearing[J]. Acta Electronica Sinica, 2021, 49(2): 387-393. DOI： 10.12263/DZXB.20200423.

摘要

针对微分局部均值分解（Differential Local Mean Decomposition，DLMD）不能自适应判断微分次数的问题，提出一种改进DLMD和Teager能量算子（Teager-Kaiser Energy Operator，TKEO）解调的滚动轴承故障特征提取方法.首先，构建中点-局部均值距离与绝对偏度之和的DLMD微分次数判定指标，将信号分解为若干个乘积函数（Product Function，PF）分量；其次，计算敏感因子筛选有效PF分量并重构；最后，计算TKEO谱，提取滚动轴承的故障特征.实验对比分析表明，所提方法能自适应判断DLMD的微分次数，并有效提取滚动轴承故障特征.

Abstract

In order to solve the problem that differential local mean decomposition (DLMD) can’t adaptively determine the differential degree

a rolling bearing fault feature extraction method based on improved DLMD and Teager-Kaiser energy operator (TKEO) demodulation is proposed. Firstly

the index of DLMD differential degree based on the sum of midpoint local mean distance and absolute skewness is constructed

and the signal is decomposed into several product function (PF) components; Secondly

the sensitive factors are calculated

and the effective PF components were screened and reconstructed; Finally

the TKEO spectrum is calculated to extract the fault features of the rolling bearing. The experimental results show that the proposed method can adaptively judge the differential degree of DLMD and effectively extract the fault features of rolling bearing.

关键词

Keywords

references

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

特征融合与灰色回归的滚动轴承性能退化评估

基于改进经验小波变换的时频分析方法及其在滚动轴承故障诊断中的应用

基于局部频谱的滚动轴承故障特征提取方法