基于EMD和Hilbert包络解调的滚动轴承故障诊断

滚动轴承是机械设备中广泛应用的零件,其运行状态直接影响着整个机械设备的安全,因此进行滚动轴承的早期故障诊断十分重要。本文结合EMD（经验模态分解）和Hilbert包络解调技术,对滚动轴承故障信号进行了分析,首先利用EMD将信号分解成含不同频率成分的多个IMF（本征模态函数）分量,然后挑选其中的高频IMF分量进行Hilbert包络解调,有效提取出了信号中的故障特征,验证了基于EMD的Hilbert包络解调分析方法在滚动轴承故障分析中的有效性。     

形态学组合滤波方法在机械振动信号处理中的应用

数学形态学是一种非线性信号处理方法,不同于其他信号处理方法,数学形态学变换完全在时域中进行,无需进行时域和频域的转换,运算简单,速度快。工程现场拾取的振动信号往往含有大量噪声干扰,本文采用开闭和闭开的形态学组合滤波方法对振动信号进行处理。通过仿真信号和实测振动信号的处理结果表明,形态学组合滤波方法不仅能保留信号中的低频成分,具有优良的低通特性,同时处理后的信号具有相位保持的优点,对于脉冲干扰或白噪声均真有良好的抑制作用。     

机械振动信号处理方法研究

信号故障特征的提取是机械故障诊断的重要依据,为提取信号故障特征,需对振动信号进行处理。对振动信号分析和处理方法的研究一直是机械故障诊断领域最重要研究方向之一。目前常用的信号处理方法主要分为时域分析、频域分析、时频分析三大类,由于工程现场拾取的振动信号一般均为非线性、平稳信号,因而数学形态学方法、短时傅里叶变换、小波变换和希尔伯特-黄变换更适于处理这类信号,然而这些方法还存在着各种问题。本文主要对这些方法的特点进行了概述、分析和对比,最后给出了总结展望。