自适应MCKD和ALIF的滚动轴承早期故障诊断

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。