强背景噪声影响下的EEMD-FK-AMCKD滚动轴承微弱故障诊断方法
谢贵重1
徐帅强2
杜文辽2
罗双强3
李浩2
王良文2
巩晓赟2
1.郑州轻工业大学 机电工程学院,郑州 450002;河南省机械装备智能制造重点实验室,郑州 4500022.郑州轻工业大学 机电工程学院,郑州 4500023.河南中烟工业有限责任公司安阳卷烟厂,安阳 455004
摘要：[目的]针对振动信号受到强烈噪声干扰使得微弱特征难以准确捕获的问题,提出一种集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)结合快速谱峭度(Fast Kurtogram,FK)和自适应最大相关峭度解卷积(Adaptive Maximum Correlation Kurtosis Deconvolution,AMCKD)的联合滤波方法.[方法]首先,对振动信号进行多尺度EEMD,得到若干本征模态函数(Intrinsic Mode Function,IMF),并以互相关系数、峭度为度量因子筛选IMF分量,进行信号重构;其次,基于快速谱峭度算法确定重构信号的载波频率、频带宽度和最大峭度值层数,设计带通滤波器进行滤波,并以粒子群优化(Particle Swarm Optimization,PSO)算法自适应确定MCKD参数,以AMCKD算法对滤波信号进行特征增强;最后,通过包络解调得到故障特征频率值,并与理论值比较,实现故障诊断.[结果]结果表明,所提方法能够实现强噪声干扰下的微弱特征提取,具有较好的抗噪鲁棒性,可为强背景噪声下轴承微弱特征识别研究提供参考.
关键词：滚动轴承最大相关解卷积特征增强快速谱峭度
分类号：TP18(自动化基础理论)TH133.33(机械零件及传动装置)
资助基金：国家自然科学基金(12302270)国家自然科学基金(52275138)河南省重大科技专项(241100220300)河南省科技研发计划联合基金项目(22520081-0029)河南中烟工业有限责任公司科技创新项目(AW2023024)河南中烟工业有限责任公司科技创新项目(AYBW202404)
论文发表日期：2025-08-15
在线出版日期：2026-09-12（本平台首次上网日期，不代表文献的发表时间）
页数：10( 154-163 )
英文信息