噪声与振动控制 ›› 2024, Vol. 44 ›› Issue (4): 118-124.

• 信号处理与故障诊断 • 上一篇    下一篇

基于改进PSO-VMD-MCKD的滚动轴承故障诊断

宿磊1,刘智1,顾杰斐1,李可1,薛志钢2   

  1. ( 1. 江南大学机械工程学院江苏省食品先进制造装备技术重点实验室,江苏无锡214122;
    2. 江苏省特种设备安全监督检验研究院无锡分院,江苏无锡214071 )
  • 收稿日期:2022-11-01 修回日期:2023-03-21 出版日期:2024-08-18 发布日期:2024-08-16

Rolling Bearing Fault Diagnosis Based on Improved PSO-VMD-MCKD

  • Received:2022-11-01 Revised:2023-03-21 Online:2024-08-18 Published:2024-08-16

摘要: 针对滚动轴承信号在强噪声背景下故障特征提取困难的问题,提出一种变分模态分解(Variational ModalDecomposition,VMD)和最大相关峭度解卷积(Maximum Correlated Kurtosis Deconvolution,MCKD)相结合的故障诊断方法。首先基于VMD方法选取故障信号的最优模态分量,然后采用MCKD算法增强最优分量信号中的冲击成分,最后通过包络谱分析提取滚动轴承的故障频率。利用粒子群优化算法(Particle Swarm Optimization,PSO)对VMD算法中的参数α 和K以及MCKD算法中的参数L和M进行寻优,并对PSO算法中惯性因子和学习因子的更新方法加以改进,以提高参数寻优过程的收敛速度。仿真分析和试验结果表明,所提出的诊断方法可以有效提取被强噪声淹没的滚动轴承故障特征。

关键词: 故障诊断, 滚动轴承, 变分模态分解, 最大相关峭度解卷积, 粒子群优化