论文摘要
轴承故障衍生早期,由于故障尺寸较小且易受环境噪声和信号衰减的影响,因此故障冲击信号往往非常微弱。变分模态分解(Variational Mode Decomposition,VMD)已经在轴承的故障特征提取中有一定的应用,但对于背景噪声较强时的滚动轴承的微弱故障提取效果并不理想。针对这一问题,将改进多点优化最小熵解卷积(Multipoint Optimal Minimum Entropy Deconvolution Adjusted,MOMEDA)与VMD相结合,研究了滤波器长度对MOMEDA效果的影响,提出基于进退法确定最优滤波器长度的自适应MOMEDA方法。利用自适应MOMEDA对信号降噪并避免传统MED迭代以及滤波后可能出现的虚假峰值。将自适应MOMEDA降噪后的信号使用VMD进行分解,然后依据谱峭度大小进行重构,对重构之后的信号进行故障特征提取,取得了较好的效果。最后通过实验验证了方法的可行性及有效性。
论文目录
文章来源
类型: 期刊论文
作者: 刘岩,伍星,刘韬,陈庆
关键词: 多点优化最小熵解卷积,变分模态分解,谱峭度,滚动轴承早期故障,进退法
来源: 振动与冲击 2019年23期
年度: 2019
分类: 工程科技Ⅱ辑
专业: 机械工业
单位: 昆明理工大学云南省高校振动与噪声重点实验室
基金: 国家自然科学基金(51465022),云南省科技厅重点资助项目(2017FA028)
分类号: TH133.33
DOI: 10.13465/j.cnki.jvs.2019.23.031
页码: 219-229
总页数: 11
文件大小: 846K
下载量: 365
相关论文文献
标签：多点优化最小熵解卷积论文; 变分模态分解论文; 谱峭度论文; 滚动轴承早期故障论文; 进退法论文;