基于CEEMD和MOMEDA的滚动轴承故障提取

摘要

当滚动轴承发生故障时,故障特征信号会夹杂在振动信号中,造成故障特征信号提取效果不理想。针对这一问题,提出了一种互补集成经验模态分解与多点最优最小熵(CEEMD-MOMEDA)的滚动轴承故障提取方法。首先通过CEEMD算法对采集到的振动信号进行处理,然后通过峭度准则对非故障冲击成分进行筛除,最后利用MOMEDA算法对重组后的信号进行处理从而抑制噪声的影响,从中提取出故障特征。并与单一的MOMEDA算法进行对比。结果表明,提出的CEEMD-MOMEDA算法故障提取能力、抗干扰能力有较大提升。