​基于交叉小波变换与改进变分模态分解的联合去噪方法

作者：王鹏博,刘自然,刘玉明,等.​ 日期：2023-04-20/span> 浏览：1433 查看PDF文档

摘要:轴承早期的故障信号容易被噪声所淹没,导致其故障特征难以被提取,为此,提出了一种基于交叉小波变换(XWT)与改进变分模态分解(IVMD)联合去噪的信号处理方法。首先,对双通道的原始信号进行了XWT处理,得到了小波相干谱,通过包络谱曲线确定了最佳模态数K;将传统VMD优化为IVMD,利用IVMD将两个通道中峭度值较大的信号分解成为多个固有模态分量(IMFs),再对每个IMF与峭度值较大的信号进行XWT处理;然后,将得到的小波相干谱图与双通道原始信号的小波相干谱图进行了比较,从原始信号中去除了识别出的噪声分量,实现了降噪和故障特征增强的目的;最后,利用K邻近(KNN)算法进行了滚动轴承故障分类,其故障识别率达到了97.51%,与IVMD、VMDXWT方法相比,该方法故障识别率分别提高了10.83%、4.62%。研究结果表明:该方法可以明显降低噪声干扰,能更好地提取轴承早期的故障信息。

关键词:滚动轴承故障诊断;故障特征提取;降噪;故障特征增强;交叉小波变换;改进变分模态分解;K邻近算法;固有模态分量

中图分类号:TH113.3;TH17文献标识码:A文章编号:1001-4551(2023)02-0292-07


王鹏博,刘自然,刘玉明,等.基于交叉小波变换与改进变分模态分解的联合去噪方法[J].机电工程,2023,40(2):292-298.
WANG Peng-bo, LIU Zi-ran, LIU Yu-ming,et al.Joint denoising method of rolling bearing based on IVMD and XWT[J].Journal of Mechanical & Electrical Engineering,2023,40(2):292-298.