一种基于变分模态分解的汽车滚动轴承故障诊断方法技术

本发明专利技术涉及一种基于变分模态分解的汽车滚动轴承故障诊断方法，包括以下步骤：步骤1、将输入的轴承故障信号分解为若干确定数量的故障频域信号分量IMF，并将故障频域信号分量从频域变换为故障时域信号；步骤2、基于步骤1获得的故障时域信号，对轴承故障信号进行边际谱分析，得到真实故障特征频率情况。本发明专利技术能够更加准确地识别故障类型，获得更加理想的诊断效果。

【技术实现步骤摘要】

本专利技术属于轴承故障诊断，涉及一种汽车滚动轴承故障诊断方法，尤其是一种基于变分模态分解的汽车滚动轴承故障诊断方法。

技术介绍

1、轴承作为汽车众多关键零部件所采用的旋转机械装置，它的正常运行是保证整个设备能够安全、高效及长时间运转的重要因素。通过对轴承振动信号的分析，特别是对其时频特征的提取，可以分析出故障的类型，准确定位故障。但由于分析轴承故障信号时，由于故障信号具有幅值变化巨大、混杂局部突发极值等特殊属性，会导致轴承的故障特征难以提取，故障类型难以确定。

2、目前，普遍使用的信号时频分析方法有很多种，例如经典的小波分析，然而小波分析由于其小波基函数构造与所分析的信号无关的特性导致其缺乏自适应性，限制了对轴承冲击故障特征的准确提取。除此之外，经验模态分解(empirical mode decomposition，emd)方法是一种分析信号振幅起伏变化巨大、混杂局部突发极值特性信号的强有力工具。但是在信号分解过程中由于其使用的整体逐级分离的运算方式使得emd方法本身存在的缺陷和弊端难以通过方法改进进行消除。

3、因此，如何提高故障本文档来自技高网...

【技术保护点】

1.一种基于变分模态分解的汽车滚动轴承故障诊断方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的一种基于变分模态分解的汽车滚动轴承故障诊断方法，其特征在于：所述步骤1的具体方法为：

3.根据权利要求2所述的一种基于变分模态分解的汽车滚动轴承故障诊断方法，其特征在于：所述步骤1第(1)步的具体步骤包括：

4.根据权利要求2所述的一种基于变分模态分解的汽车滚动轴承故障诊断方法，其特征在于：所述步骤1第(2)步的具体步骤包括：

5.根据权利要求1所述的一种基于变分模态分解的汽车滚动轴承故障诊断方法，其特征在于：所述步骤2的具体步骤包括：<...

【技术特征摘要】

1.一种基于变分模态分解的汽车滚动轴承故障诊断方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的一种基于变分模态分解的汽车滚动轴承故障诊断方法，其特征在于：所述步骤1的具体方法为：

3.根据权利要求2所述的一种基于变分模态分解的汽车滚动轴承故障诊断方法，其特征在于...

【专利技术属性】
技术研发人员：刘婧妍，郭家良，李大帅，徐博涵，高毅，田雨曦，王瀚一，吴俣，杨根，秦月，王琪，江奕静，脱勇，鲍丽光，孙佳文，李健新，王安宸，孙久龙，
申请(专利权)人：国网天津市电力公司，
类型：发明
国别省市：