基于MUSIC和EEMD算法的轴承故障声源定位方法

摘要：

结合改进的经验模态分解技术(Enhancement Ensemble Empirical Mode Decomposition,EEMD)和多重信号分类算法(Multiple Signal Classification,MUSIC),提出了基于阵列信号机械轴承声源定位技术,对机械转子系统运行时的由故障产生的异常声音进行实时监测和定位分析.首先,利用EEMD技术提取声源信号得到含特征频率的固有模态函数(IMFs),再运用MUSCI算法,对含故障特征频率的固有模态函数分量进行分析,进而实现故障声源定位,有效地解决了工业环境下由于噪声和故障声源信号相互混叠导致的声源信号特征提取困难的问题.通过转子试验台的模拟实验,有效地验证了该方法对转子故障声源定位的准确性.

关键词： 轴承故障 声源定位 经验模态分解 多重信号分类

作者: 钟永腾 向家伟 童民杰

作者单位: 温州大学机电工程学院,浙江温州325035

会议类型: 国内会议

会议名称: 2016年全国设备监测诊断与维护学术会议、第十五届全国设备故障诊断学术会议、第十七届全国设备监测与诊断学术会议、2016年全国设备诊断工程会议

会议地点: 西安

会议语种:中文

页码: 134-136

在线出版日期: 2016-08-01（万方平台首次上网日期，不代表论文的发表时间）