基于CYCBD和麻雀搜索算法的滚动轴承故障特征提取方法

摘要：

目的 解决在较强的噪声环境下最大二阶循环平稳盲解卷积(Maximum Second Order Cyclostationary Blind Deconvolution,CYCBD)算法在滚动轴承故障特征提取时效果欠佳的问题,为滚转尾翼导弹的尾翼滚动轴承故障诊断提供方法参考.方法 提出一种利用麻雀搜索算法(Sparrow Search Algorithm,SSA)优化CYCBD算法的方法,将CYCBD算法解卷积的包络谱熵作为SSA寻优的适应度函数,利用SSA高效地寻找出合适的循环频率以及滤波器长度,选择自适应参数后,再使用CYCBD算法有效解卷得到周期脉冲特征.结果 同时对比SSA优化CYCBD前后进行故障特征提取的包络谱图,CYCBD的噪声幅值不超过0.13 m/s2,峰值不超过0.29 m/s2,用SSA优化CYCBD的噪声幅值不超过0.08 m/s2,峰值不超过0.32 m/s2,故障频率成分更加突显,无论是噪声幅度,还是峰值幅度特性,均较CYCBD有了较大改善.结论 仿真实验验证了SSA优化CYCBD方法能够更加清晰地辨识到故障特征频率及其倍频成分,其具有良好的工程应用前景.

关键词：滚动轴承、故障特征提取、麻雀搜索算法、CYCBD、滚转尾翼导弹、强噪声

所属期刊栏目：19

分类号：TP206(自动化技术及设备)

资助基金：国家自然科学基金51975580

在线出版日期：2022-09-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：36-41