MRSVD-EMD方法在滚动轴承故障诊断中的应用

摘要

经验模态分解(EMD)广泛应用在故障分析过程中,特征提取时从状态信息中提取与机械设备故障有关的信息[1].针对经验模态分解受噪声影响较大的问题,提出多分辨奇异值分解的方法,可以先利用多分辨奇异值分解将信号分成具有不同分辨率的近似信号和细节信号实现信号降噪,再进行经验模态分解,并计算其Hilbert边际谱得到准确的特征频率.实验通过仿真信号和滚动轴承故障特征提取,证明了多分辨奇异值分解(MRSVD-EMD)方法在滚动轴承故障诊断中能有效去除信号中的噪声成分,提取故障特征频率.