基于ARLMD和IMOMEDA的滚动轴承早期微弱故障诊断
唐贵基1
丁傲2
王晓龙1
张晔3
姜超3
李海明3
1.华北电力大学 能源动力与机械工程学院,河北 保定0710032.华北电力大学 能源动力与机械工程学院,河北 保定071003;国网吉林省电力有限公司 长春供电公司,吉林 长春1300213.国网吉林省电力有限公司 长春供电公司,吉林 长春130021
摘要：为实现强噪声干扰下滚动轴承早期微弱故障损伤特征的准确识别,提出一种自适应鲁棒局部均值分解(adaptive robust local mean decomposition,ARLMD)和改进多点最优最小熵解卷积(improved multipoint optimal minimum entropy deconvolution adjusted,IMOMEDA)相融合的诊断新方法.首先,利用基于斯皮尔曼相关系数的ARLMD算法对原始信号进行处理,按照线性峭度(L-kurtosis)最大原则筛选出蕴含丰富故障信息的最佳分量,实现原始信号信噪比的有效提升;然后,针对多点最优最小熵解卷积(multipoint optimal minimum entropy deconvolution ad?justed,MOMEDA)效果受滤波长度影响较大的特点,提出基于余量自相关能量比(residual auto?correlation energy ratio,RAER)的最优滤波长度选取策略,对最佳分量进行IMOMEDA处理,实现周期性冲击特征强化放大;最后,计算解卷积信号的包络谱,从中提取出特征频率信息.仿真、实验及工程信号分析结果表明,所提方法可有效提取强噪声下的微弱故障特征,实现轴承损伤的精确诊断.
关键词：滚动轴承早期故障鲁棒局部均值分解解卷积余量自相关能量比
分类号：TH133(机械零件及传动装置)TG506(金属切削加工及机床)
资助基金：国家自然科学基金(52005180)河北省自然科学基金资助项目(E2020502031)河北省自然科学基金资助项目(E2022502003)中央高校基本科研业务费专项资金资助项目(2021MS069)
论文发表日期：2023-02-28
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：14( 102-115 )
英文信息