增强Ramanujan模态分解方法及其在滚动轴承故障诊断中的应用

摘要：

针对现有的滚动轴承故障诊断方法(例如:小波变换和集合经验模态分解)的周期识别能力并不稳定等问题,我们提出了具有良好的周期分量提取能力的自适应周期模态分解(Adaptive periodic mode decomposition,APMD)方法.然而该方法所采用的最大似然估计方法在强噪声背景下估计周期时常出现错误,这导致APMD在强背景噪声下的周期提取性能并不稳定.为此,我们定义了自适应频率加权能量算子(Adaptive frequency weighted energy operator,AFWEO),并将其用于增强周期脉冲.然后,提出了一种新的周期估计策略以提高周期估计的准确性,并在此基础上提出了增强Ramanujan模态分解(Enhanced Ramanujan mode decomposition,ERMD)方法.滚动轴承仿真和实验信号分析结果表明,新的周期估计策略在强背景噪声下依然有效,同时也说明了 ERMD具有优良的周期成分识别和提取能力,是一种有效的滚动轴承故障诊断方法.

关键词：增强Ramanujan模态分解、周期估计、自适应频率加权能量算子、滚动轴承、故障诊断

所属期刊栏目：58

分类号：TH165

资助基金：国家自然科学基金;国家自然科学基金

在线出版日期：2023-01-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：130-138