基于最小熵反褶积与HHT方法的滚动轴承故障特征提取

摘要

滚动轴承作为旋转机械的重要支撑部件，对其进行早期故障诊断能提高机械运转的安全性。滚动轴承在故障早期故障信号极其微弱，并夹杂强噪声，采用希尔伯特-黄变换（HHT）分析故障噪声过程中，其分解得到的前几个本征模态函数中会出现端点效应，不利于故障部位的精准定位。本文采用最小熵反褶积方法提取冲击性较大的有效信号成分，提高信号的信噪比，实现滚动轴承故障特征的有效提取。实验结果表明MED能有效的提取滚动轴承故障早期信号的冲击成分，充分抑制了EMD分解带来的端点效应，提高了滚动轴承故障诊断的精度。