基于CEEMDAN与奇异值分解的往复机械故障诊断方法研究

摘要

往复机械振动信号非常复杂,通常存在较强的非平稳、非线性特征,使得对其进行振动信号分析、故障识别存在困难.对此提出一种基于改进的总体经验模态分解(CEEMDAN)与奇异值结合的故障特征识别方法,对原始信号进行CEEMDAN分解,得到本征模式函数的奇异值,将得到的奇异值作为特征向量输入支持向量机进行特征分类,从而实现故障模式的识别.通过对实验室模拟故障与往复泵动力端故障模式识别实例分析来论证方法有效性.研究结果表明,该方法适用于提取往复机械振动信号冲击特征和多故障模式识别.