基于自适应模态分解的滚动轴承故障诊断方法

本发明提供了一种基于自适应模态分解的滚动轴承故障诊断方法，该方法通过包络谱提取轴承故障特征，增强故障冲击成分，有效提取了滚动轴承故障特征；其次，基于奇异值熵的滚动轴承故障诊断方法，将信号分解为一系列IMF分量，并筛选了故障信息比较丰富IMF分量进行信号重构，计算重构信号的奇异值熵，根据奇异值熵大小划分不同类型故障区间；最后，针对滚动轴承复合故障分离、提取困难，故障冲击不明显等问题，采用改进VMD算法对原始振动信号进行降噪；对降噪后信号进行多点优化调整最小熵解卷积运算，以分离不同类型的故障；对分离后故障使用Teager能量算子进行特征增强，有效降低噪声干扰，实现了复合故障的分离和提取。