基于自适应分数阶循环平稳盲反卷积的滚动轴承故障诊断方法
吴怡1
王金海2
杨建伟2
徐丹萍1
1.北京建筑大学机电与车辆工程学院,北京 1000442.北京建筑大学机电与车辆工程学院,北京 100044;北京建筑大学城市轨道交通车辆服役性能保障北京市重点实验室,北京 100044
摘要：在工业领域中,由于机械设备恶劣的运行环境和复杂的工作条件,轴承故障信号常受到强烈背景噪声的干扰,难以有效提取故障特征.针对此问题,提出一种基于自适应分数阶循环平稳盲反卷积(Adaptive γ-order Cyclostationary Blind Deconvolution,ACYCBDγ)的滚动轴承故障诊断方法.首先,引入一种新的局部峭度比指标(Local peak ratio,Lpr),确定最优滤波器长度.然后,计算基于高斯平稳模型的估计分数阶,构建分数阶循环平稳盲反卷积.最后,通过公开数据集和实测数据集验证所提模型的性能.结果表明:ACYCBDγ与最小熵反卷积、最大相关峰度反卷积和最大二阶循环平稳盲反卷积(Maximum Second-order Cyclostationarity Blind Deconvolution,CYCBD)相比,在公开数据集上的抑制比分别提高了20.61%、17.85%和44.95%,在实测数据集上的抑制比分别提高了 53.63%、60.27%和 55.16%;在-10～-20 dB的强信噪比影响下,ACYCBDγ相较于CYCBD,Lpr提升了87.51%.ACYCBDγ能够减弱噪声和干扰信号的影响,实现强噪声背景下轴承故障特征的准确提取.
关键词：轴承故障诊断循环平稳盲反卷积特征提取
分类号：TH133.33(机械零件及传动装置)
论文发表日期：2024-10-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：9( 162-170 )
英文信息