LMD方法在滚动轴承故障诊断中的应用

随着工业制造2025目标的确立,现代工业智能制造发展愈发迅速,机械零部件的故障诊断技术得到了的广泛关注。滚动轴承在机械设备中的使用十分广泛,但在使用过程中经常容易损坏,且在滚动轴承完全失效前,检测其故障程度的难度较大。因此,为了更好地实现对滚动轴承受损部分的检测与诊断,重点分析了基于LMD的滚动轴承故障诊断方法。

局部均值分解的几种改进方法

局部均值分解方法(Local Mean Decomposition,LMD)是一种性能优越的旋转机械故障诊断的方法,它不仅可以准确地反映非平稳信号的时频分布,而且非常适合处理含有多分量成分的非平稳信号。但是由于LMD方法本身的缺陷,使得该方法存在着诸如端点效应的处理方法、迭代终止条件的确定等问题。在介绍LMD方法的基础上,分别以改进的“自适应延拓法”和“信息熵判据”解决以上两个问题,并结合仿真软件上验证改进结果。