滚动轴承故障特征自适应增强的相关峭度联合降噪方法

作     者：张龙 蔡秉桓 吴佳敏 熊国良 ZHANG Long;CAI Binghuan;WU Jiamin;XIONG Guoliang

作者机构：华东交通大学机电与车辆工程学院南昌330013 

基　　金：国家自然科学基金(51665013,51865010) 江西省自然科学基金(20171BAB206028,20171BAB216030)资助项目 江西省研究生创新资金(YC2018-S248,YC2019-S243)资助项目 

出 版 物：《机械设计与研究》 (Machine Design And Research)

年 卷 期：2020年第36卷第2期

页      码：62-70页

摘      要：针对滚动轴承早期故障阶段冲击特征微弱且存在信号传输路径、强背景噪声以及高幅值偶然性冲击的干扰,导致故障特征成分难以提取以及大多滚动轴承故障复合诊断方法处理步骤采用的诊断优化指标不一致等问题,提出了一种滚动轴承故障特征自适应增强的相关峭度(CK)联合降噪方法。首先以CK为指标优化最大相关峭度解卷积(Maximum Correlated Kurtosis Deconvolution,MCKD)参数T后对原始信号进行预处理,以消除信号传输路径的影响。进一步以相关峭度作为优化指标结合粒子群优化算法(Particle swarm optimization,PSO)优化变分模态分解(Variational mode decomposition,VMD)参数,将预处理后信号分解成若干个窄带本征模态分量(IMF),再以CK最大为准则选择故障信息含量丰富的本征模态分量,达到去噪的目的。最后结合1.5维能量谱增强信号瞬时冲击特征的优点,对滚动轴承故障类型进行诊断。文中所提主要的创新点是前后处理优化指标的一致性。仿真信号与实测信号分析结果表明,该方法可以有效剔除噪声、高幅值偶然性冲击对故障振动信号的影响,能够清晰地提取出滚动轴承早期故障信号中的故障特征频率成分,实现滚动轴承早期故障的有效判别。

主 题 词：相关峭度 粒子群优化 变分模态分解 特征增强 

学科分类：08[工学] 080203[080203] 0802[工学-机械学] 080201[080201] 

D　O　I：10.13952/j.cnki.jofmdr.2020.0056

馆 藏 号：203939945...