自适应MCKD和ALIF的滚动轴承早期故障诊断 |
| |
引用本文: | 袁邦盛,肖涵,易灿灿.自适应MCKD和ALIF的滚动轴承早期故障诊断[J].机械设计与制造,2022,374(4):77-82. |
| |
作者姓名: | 袁邦盛 肖涵 易灿灿 |
| |
作者单位: | 冶金装备及其控制教育部重点实验室,武汉科技大学,湖北武汉 430081;湖北省机械传动与制造重点实验室,武汉科技大学,湖北武汉 430081 |
| |
基金项目: | 国家自然科学基金资助项目(51805382); |
| |
摘 要: | 针对滚动轴承故障信号冲击成分能量往往较低,故障特征频率难以提取以及最大相关峭度反褶积(Maximum Correlation Kurtosis Deconvolution,MCKD)降噪效果受限于滤波器L和位移数M等问题,提出了一种自适应最大相关峭度反褶积和自适应局部迭代滤波(Adaptive Local Iterative Filter,ALIF)的滚动轴承故障特征提取方法。以排列熵为标准,应用步长搜寻法确定最佳的MCKD滤波器的长度和位移数,对采集的振动信号进行降噪预处理,突出被噪声所淹没的故障冲击;然后应用ALIF算法对降噪后的信号自适应分解为一组固有模态函数(IMF)分量,利用最大峭度准则选取包含故障信息量最大的分量,即敏感分量;最后对敏感分量进行包络谱分析,提取故障特征频率。仿真和试验分析结果证明了该方法的有效性和准确性。
|
关 键 词: | 滚动轴承 最大相关峭度解卷积 自适应局部迭代滤波 故障特征频率 |
本文献已被 万方数据 等数据库收录! |
|