基于SSA-VMD-MCKD的强背景噪声环境下滚动轴承故障诊断

摘要：

为在强背景噪声环境下有效提取滚动轴承微弱故障特征并准确诊断故障,提出奇异谱分析(singular spectrum analysis,SSA)、变分模态分解(variational mode decomposition,VMD)和最大相关峭度解卷积(maximum correlated kurtosis deconvolution,MCKD)结合的滚动轴承故障诊断方法.首先,利用SSA算法将故障信号分解,根据时域互相关准则对分解信号筛选重构;其次,利用鲸鱼优化算法(whale optimization algorithm,WOA)分别优化VMD的参数alpha,K以及MCKD的参数L和M,利用参数优化的VMD对重构信号进行分解,根据峭度指标从分解所得的本征模态函数(intrinsic mode function,IMF)中提取故障特征信号;再次,利用参数优化的MCKD算法增强故障特征;最后,通过频谱包络进行故障诊断.仿真和试验表明,所提方法能在强噪声干扰下有效提取并诊断轴承故障.

关键词：奇异谱分析(SSA)、变分模态分解(VMD)、最大相关峭度解卷积(MCKD)、鲸鱼仿生优化算法(WOA)、轴承故障诊断

所属期刊栏目：42

分类号：TH133.33

资助基金：国家自然科学基金51675462

在线出版日期：2023-02-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：217-226