噪声与振动控制

噪声与振动控制 ›› 2024, Vol. 44 ›› Issue (6): 156-164.

• 信号处理与故障诊断 • 上一篇    下一篇

基于参数优化VMD-MCKD的滚动轴承早期故障诊断

陶翰铭1, 2，张栋良1, 2，吴坤鹏1, 2，吴杰1, 2   

  1. （ 1. 上海电力大学自动化工程学院，上海200090；2. 上海电力大学上海市电站自动化技术重点实验室，上海200090 ）
  • 收稿日期:2023-04-28 修回日期:2023-06-16 出版日期:2024-12-18 发布日期:2024-12-18

Early Fault Diagnosis of Rolling Bearings Based on Parametric Optimized VMD-MCKD

  • Received:2023-04-28 Revised:2023-06-16 Online:2024-12-18 Published:2024-12-18

PDF

摘要： 针对滚动轴承早期故障特征易受强背景噪声影响而难以提取的问题，提出一种基于阿基米德算法（Archimedes Optimization Algorithm，AOA）优化变分模态分解（Variational Mode Decomposition，VMD）和相关最大峭度解卷积（Maximum Correlated Kurtosis Deconvolution，MCKD）参数的滚动轴承故障诊断方法。首先，将不同移位数下相关峭度和现有指标进行对比，选取最优相关峭度指标作为目标函数优化VMD算法中分解层数K和惩罚因子，并基于VMD分解结果选取最优分量；其次，提出一种加权包络谱峭度作为目标函数优化MCKD算法中滤波器长度L 和冲击信号周期T，基于MCKD算法增强最优分量中的冲击成分；最后，通过包络谱分析判断滚动轴承故障类型。仿真和试验结果表明，该方法可以有效提取并增强故障中的冲击成分，实现在强背景噪声下的滚动轴承早期故障诊断。

关键词: 故障诊断, 滚动轴承, 阿基米德算法, 变分模态分解, 最大相关峭度解卷积