噪声与振动控制 ›› 2024, Vol. 44 ›› Issue (1): 162-167.

• 信号处理与故障诊断 • 上一篇    下一篇

改进融合指标的新型盲解卷积算法在轴承故障诊断中的应用

田甜唐贵基田寅初王晓龙   

  • 收稿日期:2023-02-27 修回日期:2023-05-04 出版日期:2024-02-18 发布日期:2024-02-10

A Novel Blind Deconvolution Algorithm with Improved Fusion Index for Bearing Fault Diagnosis

  • Received:2023-02-27 Revised:2023-05-04 Online:2024-02-18 Published:2024-02-10

摘要: 为解决现有盲解卷积算法易受随机脉冲影响的问题,综合时域特征和频域特征,提出一个新的故障敏感指标,即包络谱峭度-包络基尼系数融合指标(Envelope Spectral Kurtosis-envelope Gini Index,ESKEG)。该指标对周期性脉冲更敏感,不易受随机脉冲的影响。基于该指标,提出一个新的解卷积算法,即基于最大ESKEG的盲解卷积,并采用粒子群算法(Particle Swarm Optimization,PSO)求解滤波器系数。通过仿真振动信号和实验仿真信号进行验证,结果表明相比于其他盲解卷积算法,所提出的PSO-ESKEG算法在故障先验知识未知的情况下,能更有效避免受到随机脉冲信号的影响。

关键词: 故障诊断, 盲解卷积, 包络谱峭度-包络基尼系数, 粒子群优化, 随机脉冲