噪声与振动控制 ›› 2025, Vol. 45 ›› Issue (6): 183-189.

• 信号处理与故障诊断 • 上一篇    下一篇

基于SCSSA-VMD-MCKD的滚动轴承故障特征提取

陈志刚薛源王衍学张志昊   

  1. ( 北京建筑大学机电与车辆工程学院,北京100044 )
  • 收稿日期:2024-04-20 修回日期:2024-07-09 出版日期:2025-12-18 发布日期:2025-12-02

Rolling Bearing Fault Feature Extraction Based on SCSSA-VMD-MCKD

  • Received:2024-04-20 Revised:2024-07-09 Online:2025-12-18 Published:2025-12-02

摘要: 针对强噪声背景下滚动轴承的微弱故障特征难以提取的问题,提出一种融合正余弦和柯西变异的麻雀搜索算法(Sine - cosine and Cauchy Mutation Sparrow Search Algorithm,SCSSA)优化变分模态分解(Variational Modal Decomposition,VMD)联合最大相关峭度解卷积(Maximum Correlated Kurtosis Deconvolution,MCKD)的滚动轴承特征提取方法。首先,将样本熵、峭度值和相关系数相结合构建复合指标—CSK,以CSK最小值为准则,自适应选取VMD的模态个数和惩罚因子;然后,根据峭度最大值原则筛选最优模态分量;最后,以包络谱熵为适应度函数,通过SCSSA优化的MCKD对最优模态分量进行增强并提取轴承特征频率。经过公开数据集和轴承实测数据验证:所提方法可以在强噪声背景下有效提取滚动轴承的微弱故障特征,完成故障类型的判别。

关键词: 故障诊断, 滚动轴承, 变分模态分解, 麻雀搜索算法, 最大相关峭度解卷积