基于自适应MCKD的滚动轴承故障特征提取
陈丙炎
宋冬利
张卫华
程尧
李佳元
1.西南交通大学牵引动力国家重点实验室,成都6100312.西南交通大学牵引动力国家重点实验室,成都6100313.西南交通大学牵引动力国家重点实验室,成都6100314.西南交通大学牵引动力国家重点实验室,成都6100315.西南交通大学牵引动力国家重点实验室,成都610031
摘要：针对最大相关峭度解卷积(Maximum Correlated Kurtosis Deconvolution,MCKD)方法无法自动识别轴承故障脉冲周期,需要对样本进行重采样以及输入参数过多的不足,提出一种自适应MCKD(Adaptive Maximum Correlated Kurtosis Deconvolution,AMCKD)方法.采用包络信号的周期调制强度(Periodic Modulation Intensity,PMI)自适应地确定轴承故障脉冲周期,在迭代求解最优解卷积滤波器的过程中不断更新,使之逐渐逼近真正的故障周期,以实现自适应提取周期性脉冲特征的目标;最后选择相关峭度最大的滤波信号作为最优解卷积信号.与MCKD方法相比,AMCKD方法能够适应性地识别故障脉冲周期,避免了对信号进行重采样,减少了算法的输入参数.仿真和实验结果验证了AMCKD方法在滚动轴承故障特征提取方面的有效性,且与Fast Kurtogram方法的对比结果显示了AMCKD方法在增强周期性脉冲特征方面的优越性.
关键词：特征提取早期故障滚动轴承自适应最大相关峭度解卷积周期调制强度
分类号：TH17(机械运行与维修)TH133.3(机械零件及传动装置)
资助基金：四川省重点研发项目(2019YFG0295)西南交通大学牵引动力国家重点实验室自主课题(2018TPL-T01)
论文发表日期：2020-12-15
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：9( 1293-1301 )
英文信息