SGMD-MOMEDA滚动轴承故障特征提取方法研究
曹亚磊1
杜应军2
韦广2
董辛旻1
高丽鹏1
刘雨曦1
1.郑州大学 振动工程研究所,郑州4500012.叶县国博大石崖风力发电有限公司,平顶山467200
摘要：针对滚动轴承的振动信号因非线性、非平稳且信噪比低而造成故障特征难以提取的问题,基于辛几何模态分解(Symplectic Geometry Mode Decomposition,SGMD)和多点最优最小熵解卷积调整(Multipoint Optimal Minimum Entropy Deconvolution Adjusted,MOMEDA)理论,提出了SGMD-MOMEDA故障提取方法.首先,使用SGMD对故障信号进行分解,得到一列的辛几何分量(Symplectic Geometry Components,SGC);其次,依据相关性准则选取SGC进行信号重构,并确定MOMEDA分解参数;最后,使用MOMEDA方法对重构信号进行处理以提高信噪比,并利用包络谱分析对处理后的信号提取故障特征.仿真和实验结果表明,该方法能够准确地提取滚动轴承的故障频率,且与经验模态分解(Empirical Mode Decomposition,EMD)方法的对比结果显示了SGMD方法作为预处理其分解结果更加准确,在故障诊断领域具有较大的应用价值.
关键词：辛几何模态分解辛几何分量多点最优最小熵解卷积调整特征提取滚动轴承故障诊断
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：国家重点研发计划(2016YFF0203100)河南省重点研发与推广专项(212102210351)河南省科技攻关项目(202102210075)
论文发表日期：2022-12-15
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：7( 1279-1285 )
英文信息