张会敏，唐贵基（华北电力大学能源动力与机械工程学院，河北保定071003）



基于CEEMD和奇异值差分谱的滚动轴承故障特征提取

张会敏，唐贵基
（华北电力大学能源动力与机械工程学院，河北保定071003）

摘要：针对滚动轴承故障信号非线性、非平稳特征导致的故障频率难以提取的问题，提出一种基于补充总体平均经验模态分解（Complementary EEMD，CEEMD）和奇异值差分谱结合的滚动轴承故障诊断方法。CEEMD分解向原信号成对地添加符号相反的白噪声，几乎消除残留白噪声的影响。首先，对故障信号利用CEEMD算法进行分解，得到若干IMF（Intrinsic Mode Function）分量，然后运用相关系数—峭度准则对IMF分量进行筛选并重构，再对重构信号进行奇异值分解，并求出奇异值差分谱，根据奇异值差分谱理论进行消噪和重构，最后对重构信号进行Hilbert包络谱分析，提取故障频率。实验结果表明，提出的方法，能精确地提取滚动轴承的故障频率。

关键词：CEEMD；奇异值差分谱；相关系数—峭度准则；滚动轴承；故障诊断

0 引言

滚动轴承在机械设备中应用广泛，且其工作情况的好坏对机器的运转影响很大。其故障轻则导致机械设备产生异常振动和噪声，重则造成设备损坏和人员伤亡［1，2］。所以，对滚动轴承进行故障诊断极其重要。

Huang［3］等提出了经验模态分解（EMD），这是一种自适应信号处理方法，该方法提出以后得到了广泛的应用［4－6］。但其也存在一些问题，主要是模态混叠。因此，文献［6］提出了总体平均经验模态分解（EEMD），该方法首先向原信号添加白噪声……