基于改进共振稀疏分解的滚动轴承早期故障特征提取方法
孙梦
高丙朋
程静
新疆大学 电气工程学院,乌鲁木齐 830017
摘要：针对滚动轴承发生早期故障时其故障特征微弱,复杂运行环境下的故障特征容易被噪声淹没的问题,提出了基于改进的人工大猩猩部队(Improved Artificial Gorilla Troops Optimizer,IGTO)算法、优化共振稀疏分解(Resonance-based Sparse Signal Decomposition,RSSD)、多参数与稀疏最大谐波噪声比解卷积(Sparse Maximum Harmonics-to-noise-ratio Deconvolution,SMHD)方法相结合的早期故障诊断方法.首先,以低共振分量的平方包络谱相关峭度(Squared Envelope Spectral Correlated Kurtosis,SE-SCK)负值为目标函数,利用IGTO同时优化RSSD的品质因子Q、权重系数λ和拉格朗日乘子μ,实现小波基函数和耗散函数的最优匹配,以获得富含故障信息的最优低共振分量;其次,将其输入SMHD进行滤波处理;最后,进行包络谱分析提取故障特征.算法对比试验表明,IGTO算法寻优性能显著提高;仿真和XJTU-SY轴承全寿命周期故障信号试验结果表明,所提方法更能有效地提取滚动轴承早期微弱故障特征.
关键词：改进的人工大猩猩部队算法共振稀疏分解平方包络谱相关峭度稀疏最大谐波噪声比解卷积早期故障诊断
分类号：TH133.3(机械零件及传动装置)
论文发表日期：2025-06-15
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( 17-26 )
英文信息