基于IPSO-MCKD-ASLT的滚动轴承故障诊断方法

噪声与振动控制 ›› 2026, Vol. 46 ›› Issue (4): 121-128.

基于IPSO-MCKD-ASLT的滚动轴承故障诊断方法

桑炜1，郑近德1, 2，程健1, 2，刘庆运1, 2，潘海洋1, 2

( 1. 安徽工业大学机械工程学院，安徽马鞍山243032；
2. 安徽工业大学安徽省智能破拆装备工程实验室，安徽马鞍山243032 )

收稿日期:2025-04-15 修回日期:2025-06-23 出版日期:2026-08-18 发布日期:2026-08-13

Fault Diagnosis Method of Rolling Bearings Based on IPSO-MCKD-ASLT

Received:2025-04-15 Revised:2025-06-23 Online:2026-08-18 Published:2026-08-13

摘要/Abstract

摘要： 针对传统时频分析方法在处理非平稳振动信号时难以同时兼顾时间分辨率和频率分辨率的问题，提出一种基于改进粒子群优化算法(Improved Particle Swarm Optimization，IPSO)优化的最大相关峭度解卷积(MaximumCorrelation Kurtosis Deconvolution，MCKD)与自适应超小波变换(Adaptive Superlets Transform，ASLT)相结合的高精度时频分析方法。以包络谱峰值因子为适应度函数，对粒子群优化算法(particle swarm optimization，PSO)中的惯性权重和学习因子以非线性递减的方式进行更新，利用IPSO 对MCKD中的L 和T 进行寻优，最后对滤波信号进行ASLT 处理，进一步实现轴承故障的有效识别。通过模拟和实测信号分析，将所提IPSO-MCKD-ASLT方法与短时傅里叶变换、连续小波变换和同步提取变换等方法进行对比分析。分析结果表明，IPSO-MCKD-ASLT方法不仅可以有效地提取轴承故障特征，还具有更高的时频分辨率和抗噪能力。最后，将IPSO-MCKD-ASLT应用到滚动轴承的故障诊断中，实验
结果使该方法的有效性和优越性得到验证。

关键词: 故障诊断, 时频分析方法, 粒子群优化算法, 最大相关峭度解卷积, 超小波变换, 滚动轴承

桑炜, 郑近德, , 程健, , 刘庆运, , 潘海洋, . 基于IPSO-MCKD-ASLT的滚动轴承故障诊断方法[J]. 噪声与振动控制, 2026, 46(4): 121-128.

[1]	谢锋云, 宋明桦, 樊秋阳, 王阳, 宋成杰, 李刚. 基于多尺度自适应卷积Transformer的滚动轴承故障诊断算法研究[J]. 噪声与振动控制, 2026, 46(4): 100-106.
[2]	连军伟, 李成龙, 刘岳鹏. 球轴承局部故障对氧涡轮泵转子系统动力学特性的影响[J]. 噪声与振动控制, 2026, 46(4): 107-114.
[3]	王英辉, 刘韬, 张爱国, 吴峰崎, 丁力, . 低秩稀疏优化GoDec的变转速轴承故障特征提取研究[J]. 噪声与振动控制, 2026, 46(4): 129-135.
[4]	张海龙, 李扬, 孔震, 单露, 李根, 陈朔, . 摩擦引发汽轮发电机组振动周期性波动分析[J]. 噪声与振动控制, 2026, 46(4): 136-141.
[5]	毛陈龙, 文传博. 变转速下基于HCNN-DSAN的滚动轴承故障诊断[J]. 噪声与振动控制, 2026, 46(4): 149-155.
[6]	谢七月, 蒋朝洋, 宋蕾, 周育才, 付强, 王晓丽. 基于改进Node2Vec图神经网络的轴承故障诊断[J]. 噪声与振动控制, 2026, 46(3): 90-96.
[7]	巫庆辉, 许皓远, 魏宇晨. 信息重构融合深度学习的泵机组故障诊断方法[J]. 噪声与振动控制, 2026, 46(3): 97-103.
[8]	张婷, 陈勇波. 传感故障下的智能结构振动控制实验研究[J]. 噪声与振动控制, 2026, 46(3): 118-123.
[9]	盛敬, 孙涛, 刘国满, 吴树良, 马欣. 基于ASFSSA-SVM的电机滚动轴承故障诊断[J]. 噪声与振动控制, 2026, 46(3): 124-130.
[10]	李明哲, 石生超, 祁富志, 马春安, 李富才. 基于无监督多域适应对抗网络的机械转动部件故障诊断[J]. 噪声与振动控制, 2026, 46(3): 131-139.
[11]	张铁山, 任众, . 融合SVM与T-S 模糊观测器的磁流变阻尼器故障诊断方法[J]. 噪声与振动控制, 2026, 46(3): 140-147.
[12]	赵乃卓, 贾东, 高永新, 汪洋. 基于多尺度全维动态卷积残差网络的齿轮箱故障诊断[J]. 噪声与振动控制, 2026, 46(3): 156-162.
[13]	陈栋, 刘欣宜, , , 杨配轻, 申震, 史朋波. 基于LSSA-KNN的滚动轴承故障诊断方法[J]. 噪声与振动控制, 2026, 46(3): 163-169.
[14]	阎对丰, 郑健, 李元超, 孔宪光, 常建涛, 杨胜康. 一种多传感器数据自适应融合的齿轮箱故障诊断方法[J]. 噪声与振动控制, 2026, 46(3): 170-176.
[15]	郝伟栋, 龚丰金, 张凯, 马萍, 张宏立. 仿真驱动的双指标领域自适应滚动轴承故障诊断[J]. 噪声与振动控制, 2026, 46(3): 189-195.