10.13465/j.cnki.jvs.2023.16.027
基于ACMD与改进MOMEDA的滚动轴承故障诊断
针对强背景噪声下滚动轴承故障特征难以提取的问题,提出基于自适应非线性调频分量分解(adaptive chirp mode decomposition,ACMD)与改进多点优化最小熵解卷积(improved multipoint optimal minimum entropy deconvolution adjusted,IMOMEDA)的故障诊断方法.①为提高信号信噪比,采用基于基尼系数指标的ACMD,进行信号重构预处理;②为提高参数设定的准确性,提出改进的MOMEDA方法——利用天鹰优化算法,以多点峭度最大为目标,寻优确定滤波器周期参数;③对信号进行包络谱分析,通过对比包络谱的主导频率成分与理论故障特征频率,判断故障类型.仿真及实测数据分析结果表明,该方法能有效提取强背景噪声下的滚动轴承故障信号的特征信息,具备一定的优越性与实用性.
自适应非线性调频分量分解(ACMD)、基尼系数、天鹰优化算法、多点最优调整最小熵解卷积、滚动轴承、故障诊断
42
TH212;TH213.3(起重机械与运输机械)
国家自然科学基金;四川省自然科学基金
2023-09-06(万方平台首次上网日期,不代表论文的发表时间)
共10页
218-226,261