基于EEMD—SVD的FCM聚類的軸承故障診斷.pdf

1、滾動(dòng)軸承是機(jī)械中最常用也是最易損壞的零部件，其工作狀態(tài)直接影響整臺(tái)機(jī)械的運(yùn)行效率，因此對(duì)滾動(dòng)軸承的工作狀態(tài)的檢測(cè)與故障診斷具有重要的研究意義。機(jī)械設(shè)備的診斷過(guò)程包括診斷信息獲取、故障特征信息提取和狀態(tài)識(shí)別三部分，其中，故障特征提取和狀態(tài)識(shí)別是診斷的關(guān)鍵。當(dāng)滾動(dòng)軸承發(fā)生故障時(shí),其振動(dòng)信號(hào)往往表現(xiàn)為非線性和非平穩(wěn)性,本文引入了總體經(jīng)驗(yàn)?zāi)Ｊ剑‥EMD）分解法是利用了高斯白噪聲具有頻率均勻分布的統(tǒng)計(jì)特性，使信號(hào)在不同尺度上具有連續(xù)性，避免模式混

2、淆現(xiàn)象，具有很強(qiáng)的自適應(yīng)性，并提出了EEMD與奇異值分解相結(jié)合的特征提取方法用以實(shí)現(xiàn)故障診斷的判斷依據(jù)，進(jìn)而利用模糊C均值聚類（FCM）的方法對(duì)滾動(dòng)軸承故障狀態(tài)進(jìn)行識(shí)別。
　　首先，研究了總體經(jīng)驗(yàn)?zāi)Ｊ椒纸?EEMD)的基本原理及其在信號(hào)分解中的應(yīng)用，并對(duì)其抗模式混疊性能進(jìn)行分析，針對(duì)EEMD分解中存在的虛假分量和噪聲分量的問(wèn)題，采用相關(guān)系數(shù)分析提取有效本征模函數(shù)。
　　其次，機(jī)械設(shè)備在強(qiáng)噪聲背景下出現(xiàn)故障時(shí)，故障特征的識(shí)別與