基于参数自适应ICEEMDAN和MCKD的太阳轮早期故障特征提取研究
赵乃卓
赵羽萌
门城赋
辽宁工程技术大学 机械工程学院,阜新 123000
摘要：针对在强噪声背景下太阳轮早期故障难以准确提取的问题,提出了一种改进灰狼算法(New Grey Wolf Optimization Algorithm,newGWO)优化改进自适应噪声完备集合经验模态分解(Improved Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,ICEEMDAN)和最大相关峭度解卷积(Maximum Correlated Kurtosis Deconvolution,MCKD)的太阳轮早期故障特征提取方法.采用newGWO优化影响其分解效果的白噪声幅值权重和噪声添加次数的参数选择,对故障振动信号进行newGWO-ICEEMDAN,选择最小包络熵为适应度函数,由此得到若干相关模态分量;然后以包络谱谱峰因子为选取最佳模态分量指标,对选定的最佳本征模态函数(Intrinsic Mode Function,IMF)分量进行经过newGWO优化的MCKD信号增强;最后对所得信号进行包络解调分析,提取太阳轮故障特征频率以及多倍频成分.通过仿真信号以及试验表明,该方法能够使得早期故障冲击特征更加明显,实现了太阳轮早期故障特征频率提取.
关键词：太阳轮早期故障特征提取改进灰狼算法集合经验模态分解相关峭度解卷积
分类号：TH165+.3(机械制造工艺)
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：9( 57-65 )
英文信息