10.13465/j.cnki.jvs.2019.23.031
基于自适应MOMEDA与VMD的滚动轴承早期故障特征提取
轴承故障衍生早期,由于故障尺寸较小且易受环境噪声和信号衰减的影响,因此故障冲击信号往往非常微弱.变分模态分解(Variational Mode Decomposition,VMD)已经在轴承的故障特征提取中有一定的应用,但对于背景噪声较强时的滚动轴承的微弱故障提取效果并不理想.针对这一问题,将改进多点优化最小熵解卷积(Multipoint OptimalMinimum Entropy Deconvolution Adjusted,MOMEDA)与VMD相结合,研究了滤波器长度对MOMEDA效果的影响,提出基于进退法确定最优滤波器长度的自适应MOMEDA方法.利用自适应MOMEDA对信号降噪并避免传统MED迭代以及滤波后可能出现的虚假峰值.将自适应MOMEDA降噪后的信号使用VMD进行分解,然后依据谱峭度大小进行重构,对重构之后的信号进行故障特征提取,取得了较好的效果.最后通过实验验证了方法的可行性及有效性.
多点优化最小熵解卷积、变分模态分解、谱峭度、滚动轴承早期故障、进退法
38
TH212;TH213.3(起重机械与运输机械)
国家自然科学基金51465022;云南省科技厅重点资助项目2017FA028
2020-01-11(万方平台首次上网日期,不代表论文的发表时间)
共11页
219-229