综合ICEEMDAN-VME-MOMEDA算法的滚动轴承微弱故障特征提取研究
赵乃卓
廉嘉鹏
高永新
辽宁工程技术大学 机械工程学院,阜新 123000
摘要：[目的]针对强噪声背景下滚动轴承微弱故障特征难以准确提取的问题,提出一种综合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)、变分模态提取(Variational Mode Extraction,VME)和多点最优最小熵解卷积(Multipoint Optimal Minimum Entropy Deconvolution Adjusted,MOMEDA)的故障特征提取算法,旨在提升微弱故障特征的识别精度.[方法]首先,以最小包络熵为目标,采用冠豪猪(Crested Porcupine Optimize,CPO)搜索算法优化ICEEMDAN算法的白噪声幅值权重与添加噪声次数,对原始振动信号进行分解,并以包络谱谱峰因子为指标,筛选出最佳本征模态分量;其次,以最小包络熵为目标,利用CPO算法优化VME算法的平衡参数与中心频率,提取该分量中最能表征故障信息的频段;然后,以包络谱谱峰因子为目标,通过CPO算法优化MOMEDA算法的滤波器长度与故障脉冲周期,对提取信号进行特征增强;最后,对增强后的信号进行包络解调分析,提取故障特征频率.[结果]经公开数据集验证,所提方法能清晰提取滚动轴承内圈故障频率(162.185 2 Hz)及其多倍频成分,包络谱中干扰频率被有效抑制;外圈故障特征频率(107.364 3 Hz)同样被准确识别.相比单独使用ICEEMDAN算法或VME算法,该算法能更有效地突显故障冲击脉冲,信噪比显著提升,为故障类型的准确识别提供了可靠依据.
关键词：滚动轴承微弱故障特征提取改进自适应噪声完备集合经验模态分解变分模态提取多点最优最小熵解卷积
分类号：TH17(机械运行与维修)TH133.3(机械零件及传动装置)
论文发表日期：2026-05-31
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( 140-149 )
英文信息