噪声与振动控制

噪声与振动控制 ›› 2023, Vol. 43 ›› Issue (3): 102-109.

• 信号处理与故障诊断 • 上一篇    下一篇

基于参数自适应VMD和MCKD的滚动轴承微弱故障特征提取

刘迎松1，魏志刚1，束海星1，刘晓超2，陆强2   

  1. （ 1. 安徽工业大学机械工程学院，安徽马鞍山243032;
    2. 马钢（集团）股份有限公司，安徽马鞍山244500 ）
  • 收稿日期:2022-01-19 修回日期:2022-03-24 出版日期:2023-06-18 发布日期:2023-06-18

Weak Fault Feature Extraction of Rolling Bearings Based on Parameter Adaptive VMD and MCKD 

#br#   


  • Received:2022-01-19 Revised:2022-03-24 Online:2023-06-18 Published:2023-06-18

PDF

摘要： 针对传输路径复杂和强噪声干扰条件下滚动轴承故障信号信噪比低、微弱故障特征难以提取的问题，提出一种将参数优化变分模态分解（Variational Mode Decomposition，VMD）与最大相关峭度解卷积（Maximum Correlated Kurtosis Deconvolution, MCKD）相结合的滚动轴承微弱故障特征提取方法。首先，利用经麻雀搜索算法（Sparrow Search Algorithm, SSA）优化的VMD对故障信号进行自适应分解，构建加权峭度指标以筛选有效模态分量；然后对有效模态分量利用经SSA优化后的MCKD进行增强；最后，对增强后的信号进行包络解调分析，提取出轴承故障特征频率。实验和工程实际案例分析表明，所提出的方法能够自适应增强轴承信号中的微弱冲击成分，有效提取出强噪声背景下的滚动轴承微弱故障特征。

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