Noise and Vibration Control ›› 2023, Vol. 43 ›› Issue (6): 95-100.

Previous Articles     Next Articles

A Method for Extracting Early Fault Features of Rolling Bearings

  

  • Received:2022-07-11 Revised:2022-11-15 Online:2023-12-18 Published:2023-12-18

一种滚动轴承早期故障特征提取方法

崔奔1,张文斌2,郭盼盼1   

  1. ( 1. 昆明理工大学机电工程学院,昆明650500;
    2. 红河学院工学院云南省高校高原机械性能分析与优化省重点实验室,云南蒙自661199 )

摘要: 针对滚动轴承早期故障受噪声污染大,故障特征频率难以提取而导致的故障诊断困难问题,提出一种新的滚动轴承早期故障特征提取方法。首先利用泰尔指数(Theil Index,TI)对滚动轴承进行健康状态评估,并检测出状态异常的信号;然后对异常信号进行奇异谱分解(Singular Spectrum Decomposition,SSD)得到若干分量,以方差贡献度为标准筛选出最佳分量;最后通过蜜獾算法(Honey Badger Algorithm,HBA)优化的最大相关峭度解卷积(MaximumCorrelated Kurtosis Deconvolution,MCKD)对最佳分量进行降噪处理,并对降噪处理后的信号进行包络解调分析提取出故障特征频率。通过两个数据集的分析,验证所提方法的有效性。

关键词: 故障诊断, 泰尔指数, 奇异谱分解, 蜜獾算法, 最大相关峭度解卷积, 滚动轴承