基于噪声辅助多元经验模态分解和多尺度形态学的滚动轴承故障诊断方法

来源：振动与冲击杂志2016年第4期北京时间：

作者：武哲，杨绍普，任彬，马新娜，张建超,

单位：1.北京交通大学机械与电子控制工程学院，北京 100044；2.石家庄铁道大学交通环境与安全工程研究所，石家庄 050043

摘要：为了从强噪背景中提取滚动轴承微弱故障特征，提出一种基于噪声辅助多元经验模态分解 (Noise Assisted Multivariate Empirical Mode Decomposition，NAMEMD)和数学形态学的滚动轴承故障诊断方法。NAMEMD是新提出的一种基于噪声辅助数据分析方法，其克服了集成经验模态分解的模态混淆和运算量大等问题。本文将NAMEMD与多尺度形态学相结合应用于滚动轴承故障诊断。该方法首先利用NAMEMD将多分量调频调幅故障信号自适应分解为一系列IMF分量；其次，选取能量高的IMF分量求和重构；最后利用多尺度形态学差值滤波器提取信号的故障特征频率。为了验证理论的正确性，进行了仿真试验和轴承故障试验，并与EEMD和包络解调进行了比较，结果表明本文方法在进一步降低模态混叠效应的同时，明显提高了运算速度，对滚动轴承外圈、内圈和滚子故障的检测精度更高，能够清晰地提取出故障信号的故障特征频率。<br>

关键词：NAMEMD；模态混叠；多尺度形态学；滚动轴承；故障诊断