|本期目录/Table of Contents|

[1]常 勇,何 婷.一种EEMD阈值降噪方法在故障诊断中的应用[J].工业仪表与自动化装置,2018,(04):3-7.[doi:1000-0682（2018）04-0000-00]
　CHANG Yong,HE Ting.A de-noising approach by EEMD threshold for the application of bearing fault diagnosis[J].Industrial Instrumentation & Automation,2018,(04):3-7.[doi:1000-0682（2018）04-0000-00]
点击复制

一种EEMD阈值降噪方法在故障诊断中的应用

《工业仪表与自动化装置》[ISSN:1000-0682/CN:61-1121/TH]

卷:
期数:
2018年04期
页码:
3-7
栏目:
出版日期:
2018-08-15

文章信息/Info

Title:
A de-noising approach by EEMD threshold for the application of bearing fault diagnosis
作者:
常 勇1; 何 婷2
1.兰州石化职业技术学院 电子电气工程系，兰州 730060；
2.兰州理工大学 电气工程与信息工程学院，兰州 730050
Author(s):
CHANG Yong1;  HE Ting2
1.Lanzhou Petrochemical College of Vocational Technology, Lanzhou 730050,China；
2. College of Electrical and Information Engineering, Lanzhou University of Technology, Lanzhou 730050 ,China
关键词:
集合经验模态分解(EEMD); 小波阈值; 固有模态函数(IMF)
Keywords:
ensemble empirical mode decomposition(EEMD);  wavelet thresholding;  vibration signal
分类号:
TM315
DOI:
1000-0682（2018）04-0000-00
文献标志码:
A
摘要:
针对机械故障信号分析中随机噪声严重影响和误导人们对故障位置和类型的判断分析，很难准确的提取故障特征信息。该文通过研究集合经验模态分解(EEMD)和小波变换的原理，将二者相融合提出了新的信号降噪方法。该方法就是首先对含有噪声的故障信号进行EEMD分解，对分解后的内模函数(Intrinsic Mode Functions,IMFs)采用自适应阈值降噪的办法，对降噪后的故障信号进行重构，再进行故障类型分析。实验分析研究表明，该方法有效地解决了EMD在降噪过程中出现的模态混叠、端点效应问题，降噪效果更好。通过仿真和实测故障信号验证分析，结果表明，所提出的方法不但降噪效果良好，而且能更有效地进行故障特征提取和故障类型判断。
Abstract:
In view of the random noise signal causing interference in the signal analysis of fault diagnosis, and mislead people for fault location and type of judgement. In this paper, introduced the ensemble empirical mode decomposition(EEMD) and wavelet threshold combining the signal de-noising method. The approach is firstly to EEMD for actual noise fault signal, then according to the decomposition after each intrinsic mode functions(IMFs) using adaptive threshold de-noising method, then the fault signal of de-noising after reconstruction, and then to fault type of analysis. Simulation studies show that the proposed method is effective to solve the EEMD in modal aliasing problems appeared in the process of noise reduction, better de-noising effect, to the actual fault signal effectively extract the fault characteristic frequency, judge fault type for more effective.

参考文献/References:

[1] N E Huang. The empirical mode decomposition and the Hilbert spectrum for nonlinear and nonstationary time series analysis[M].London A: Proc. Roy. Soc.,1998:903- 995.

[2] 孔德同,刘庆超,雷亚国,等.一种改进的EEMD方法及其应用研究[J].振动工程学报,2015(06):1015-1021.?
[3] 孙曙光,庞毅,王景芹,等.一种基于新型小波阈值去噪预处理的EEMD谐波检测方法[J].电力系统保护与控制, 2016(02):42-48.?
[4] 刘觉晓.基于EEMD的滚动轴承振动故障特征提取与诊断研究[D].华北电力大学,2015.
[5] 吴小涛,杨锰,袁晓辉,等.基于峭度准则EEMD及改进形态滤波方法的轴承故障诊断[J].振动与冲击,2015(02): 38-44.
[6] 魏永合,王明华,林梦菊,等.基于改进EEMD的滚动轴承故障特征提取技术[J].组合机床与自动化加工技术, 2015(01):87-90.
[7] 罗玉昆,罗诗途,罗飞路,等.激光超声信号去噪的经验模态分解实现及改进[J].光学精密工程,2013,21(2):479- 487.?
[8] S Mallat. A Wavelet Tour of Signal Processing[M].2nd ed. New York:Academic, 1999.
[9] 周伟.小波分析高级技术[M].西安:西安电子科技大学出版社,2006:105-107.
[10] 包广清,常勇,杨国金.基于EMD阈值方法的轴承故障振动信号去噪[J].计算机工程与应用,2015(10):205-210.
[11] Y Kopsinis, S McLauglin.Development of EMD-Based Denoising Methods Inspired by Wavelet Thresholding[J]. IEEE transactions on signal Processing,2009,57(4):129- 134.
[12] 时培明,丁雪娟,李庚,等.一种EEMD改进方法及其在旋转机械故障诊断中的应用[J].振动与冲击,2013,32(4): 185-190.?
[13] 王志坚,韩振南,宁少慧,等.基于CMF-EEMD的风电齿轮箱多故障特征提取[J].电机与控制学报,2016(02): 104-111.
[14] 常勇.面向风电机组的齿轮箱轴承故障诊断技术研究[D].兰州:兰州理工大学,2014.
[15] G Bao,Y Chang,T He.An EMD Threshold-based De- noising Method for Roller Bearing Fault Vibration Signal Analysis[J].IEEE International Conference on Signal Processing, 2014:2613-2616.

相似文献/References:

备注/Memo

备注/Memo:
收稿日期：2017-11-15
基金项目：兰州石化职业技术学院基金项目（KJ2015-20）
作者简介：常勇(1988)，男，甘肃省庆阳市人，硕士研究生，主要研究领域为电气设备故障诊断、信号处理，工业过程自动化仪表方向。
更新日期/Last Update: 2018-08-15