来源：期刊VIP网 时间：
作者：郭跃楠;杜福嘉;黄康;王二朋;
单位：中国科学院国家天文台南京天文光学技术研究所;中国科学院天文光学技术重点实验室(南京天文光学技术研究所);中国科学院大学;
摘要：滚动轴承的自转、部件相互作用和强干扰使测量的振动信号复杂，而滚动轴承的早期损伤类故障特征信息弱小，导致故障特征难以有效提取从而影响故障诊断，因此提出一种敏感模态筛选方法来提高故障诊断的正确性。采用变分模态分解算法对信号进行自适应分解，提取信号的局部特征。基于排列熵的不变性和对冲击信号的敏感性，提出故障因子的敏感模态筛选方法对信号进行重构，抑制振动信号中的干扰和噪声。通过仿真和实验对所提方法进行了验证，结果表明，相比其他处理方法，所提方法信噪比提高了60.5%，误差降低了52.6%，同时故障诊断正确率提高了24.3%，说明了该方法的有效性。
关键词：滚动轴承;;VMD;;模态筛选;;排列熵;;故障因子;;故障诊断
基金资助：国家自然科学基金（U1831111）;; 江苏省自然科学基金（BK20181507）;; 中国科学院天文台站设备更新及重大仪器设备运行专项经费支持
