基于参数优化变分模态分解的滚动轴承早期故障诊断

摘要：

针对滚动轴承早期故障特征难以从原始振动信号中提取的问题,提出了一种基于参数优化的变分模态分解(Variational Mode Decomposition,VMD)的轴承早期故障诊断方法.利用天牛须搜索算法(Beetle Antennae Search,BAS)对VMD算法的最佳参数组合进行优化搜索,搜索过程中以VMD分解后各本征模态函数(Intrinsic Mode Function,IMF)峭度值的倒数作为适应度函数.搜索结束后根据所得结果设定VMD算法的IMF分量个数和二次惩罚因子,并利用参数优化VMD算法对轴承振动信号进行分解.借助峭度准则筛选出最佳IMF分量进行Hilbert包络解调运算,获取信号的包络谱,包络谱中可显现出较为明显的故障冲击特征,根据这些冲击成分可实现轴承早期故障诊断.经过与经验模态分解(Empirical Mode Decomposition,EMD)和固定参数VMD算法的试验对比,所述方法可以更有效地提取轴承早期故障的特征.

关键词：滚动轴承、早期故障诊断、变分模态分解、天牛须搜索算法、包络谱

所属期刊栏目：39

分类号：TH133.3

资助基金：河南省科技攻关项目162102210208

在线出版日期：2021-01-05（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：38-46