ALIF-NLM轴承微弱故障特征提取方法
汪应1
宋宇博1
朱大鹏2
1.兰州交通大学 机电技术研究所,兰州 7300702.兰州交通大学 交通运输学院,兰州 730070
摘要：针对强噪声背景下滚动轴承早期微弱故障特征难以提取的问题,结合自适应局部迭代滤波(Adaptive Local Iterative Filter,ALIF)和非局部均值(Non-Local Means,NLM)去噪方法的优势,提出了一种ALIF-NLM轴承微弱故障特征提取方法.首先,构建了加权峭度-能量比准则来筛选ALIF分解的本征模态函数(Intrinsic Mode Function,IMF)分量并重构信号.其次,结合峭度对冲击信号的敏感性同能量熵对信号能量分布均匀性和复杂程度的评价性能构建最小能量熵-峭度比指标,并以该指标为适应度函数,利用粒子群优化(Particle Swarm Optimization,PSO)算法实现了NLM方法中参数组合的自适应选取.最后,利用自适应NLM对重构信号进行故障特征提取.仿真和试验分析结果表明,该方法能有效提取出强噪声背景下的滚动轴承微弱故障特征信息.
关键词：强噪声滚动轴承自适应局部迭代滤波粒子群优化非局部均值去噪微弱特征提取
分类号：TH133.33(机械零件及传动装置)
论文发表日期：2024-10-15
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( 1026-1035 )
英文信息