Print

基于自适应MOMEDA与VMD的滚动轴承早期故障特征提取

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

  • 1 基础理论
  •   1.1 MED
  •   2.2 MOMEDA算法
  •   1.3 基于VMD信号重构
  •   1.4 自适应MOMEDA与VMD的滚动轴承早期故障特征提取
  • 2 滚动轴承微弱故障仿真验证
  • 3 实验验证
  •   3.1 全寿命轴承数据采集说明
  •   3.2 滤波器长度对MOMEDA方法滤波效果的影响
  •   3.3 全寿命轴承实验数据分析
  •     3.3.1 自适应MOMEDA与其它方法及比较
  •     3.3.2 滤波后基于VMD分解的重构信号特征提取
  •   3.4 加工轴承外圈故障数据采集说明
  •   3.5 加工轴承外圈故障数据分析
  • 4 结 论

    • 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

    本文来源: https://www.lunwen66.cn/article/588f79618f0315381d5965eb.html