利用变分模态提取法滤除浅剖信号噪声

1

作者 李正元 李邵波 +1 位作者 谢安远 汪诗奇 《海洋测绘》 北大核心 2025年第2期29-33,共5页

为了解决浅剖信号易受复杂噪声影响、常用的图像去噪方法难以保留信号域原始回波信息的问题,提出了一种利用变分模态提取法滤除浅剖信号噪声的方法。首先,通过联合增强滤波和阈值法提取了海底线;其次对海底线以上的水体回波进行频谱分析... 为了解决浅剖信号易受复杂噪声影响、常用的图像去噪方法难以保留信号域原始回波信息的问题,提出了一种利用变分模态提取法滤除浅剖信号噪声的方法。首先,通过联合增强滤波和阈值法提取了海底线;其次对海底线以上的水体回波进行频谱分析,实现了噪声频谱的主要中心频率的提取;最后基于变分模态提取方法,提取原始浅剖回波中对应于这些中心频率的各模态,并将之作为噪声模态予以去除,实现了去噪。结果表明:该方法在去噪模拟实验上取得了73.75和0.721的PSNR及SSIM,较好实现了噪声去除和有效信号保真。研究工作表明变分模态提取方法和噪声先验频率信息获取是浅剖信号域去噪的关键,并可应用至其他声纳去噪领域。 展开更多

关键词 浅剖数据处理 信号去噪 变分模态提取 层界提取 频谱分析

在线阅读 下载PDF 职称材料

基于改进变分模态提取的轴承早期故障诊断 被引量：4

2

作者 张家军 马萍 +1 位作者 彭炫 张宏立 《组合机床与自动化加工技术》 北大核心 2024年第2期146-150,共5页

针对变分模态提取(variational mode extraction,VME)在强背景噪音下初始中心频率难以确定的问题,提出了基于谱相干引导变分模态提取(SC-VME)的滚动轴承故障诊断方法。首先,引入谱相干(spectral coherence,SC)算法对信号进行处理,得到... 针对变分模态提取(variational mode extraction,VME)在强背景噪音下初始中心频率难以确定的问题,提出了基于谱相干引导变分模态提取(SC-VME)的滚动轴承故障诊断方法。首先,引入谱相干(spectral coherence,SC)算法对信号进行处理,得到由循环频率和频谱频率构成的双频域,并结合1/3-二叉树滤波器组得到改进包络谱(improved envelope spectrum,IES);然后,以轴承故障特征频率识别的局部特征能量与频带中的IES能量占比为诊断指标,构建诊断性指示图,据此确定VME期望模态的初始中心频率;最后,通过对提取的期望模态进行包络谱分析,实现滚动轴承早期故障诊断。通过仿真和试验信号分析,结果表明所提SC-VME方法准确性更高、用时更短、效果更优。 展开更多

关键词 滚动轴承 谱相干 变分模态提取 早期故障诊断

在线阅读 下载PDF 职称材料

基于迭代增强变分模态提取的滚动轴承复合故障诊断 被引量：3

3

作者 张家军 马萍 +1 位作者 张海 张宏立 《振动与冲击》 EI CSCD 北大核心 2024年第7期255-265,共11页

针对变分模态提取对多分量复合故障提取能力不足,且存在中心频率和平衡因子两个超参数优化等问题,提出了一种迭代增强变分模态提取(iterative enhanced variational mode extraction,IEVME)的滚动轴承复合故障诊断新方法。首先,提出引... 针对变分模态提取对多分量复合故障提取能力不足,且存在中心频率和平衡因子两个超参数优化等问题,提出了一种迭代增强变分模态提取(iterative enhanced variational mode extraction,IEVME)的滚动轴承复合故障诊断新方法。首先,提出引入中心频率趋势收敛现象优化VME的初始中心频率,使其能自适应寻找合适的初始中心频率进行提取并加入新的收敛准则对信号进行迭代提取的迭代变分模态提取方法(iterative variational mode extraction,IVME);然后,通过优化IVME的平衡因子得到多个分量信号,再利用图拉普拉斯能量指数选取最优分量进行重构;接着,为全面提取复合故障信号中的主要周期,提出了结合加强运算减去运算的增强最小噪声幅值解卷积(enhanced minimum noise amplitude deconvolution,EMNAD)方法,以降低噪声并增强相对较弱的周期信号;最后,通过融合平方包络谱实现对滚动轴承的复合故障诊断。将所提方法应用到滚动轴承复合故障诊断中,通过仿真和实例信号验证所提IEVME方法的有效性和鲁棒性,并将所提方法与现有多种方法进行对比,结果表明所提IEVME方法准确性更高,效果更优。 展开更多

关键词 滚动轴承 迭代增强变分模态提取(IEVME) 增强最小噪声幅值解卷积(EMNAD) 复合故障诊断

在线阅读 下载PDF 职称材料

基于变分模态提取的动力响应重构方法研究

4

作者 余恒 殷红 彭珍瑞 《噪声与振动控制》 CSCD 北大核心 2024年第3期43-49,共7页

基于经验模态分解的响应重构方法依赖于参数繁多的带通滤波器,且不适用于具有密集模态的结构,因此,提出一种基于变分模态提取的动力响应重构方法。首先,在时域内使用变分模态提取将由传感器测得的动力响应分解为各阶模态响应;随后,通过... 基于经验模态分解的响应重构方法依赖于参数繁多的带通滤波器,且不适用于具有密集模态的结构,因此,提出一种基于变分模态提取的动力响应重构方法。首先,在时域内使用变分模态提取将由传感器测得的动力响应分解为各阶模态响应;随后,通过根据有限元建模或模态试验导出的模态转换矩阵计算得到响应未知位置的各阶模态响应,再根据模态叠加法完成其余位置动力响应的重构;最后,对非密集模态的悬臂梁和密集模态的3层剪切框架进行数值模拟,并通过简支梁进行试验分析,验证了所提方法的有效性和较好的鲁棒性。 展开更多

关键词 振动与波 密集模态 变分模态提取 动力响应重构 模态转换矩阵 模态叠加法

在线阅读 下载PDF 职称材料

基于SFLA优化变分模态提取的滚动轴承故障诊断 被引量：2

5

作者 张怀彬 陈志刚 +1 位作者 杨远鹏 王衍学 《振动与冲击》 EI CSCD 北大核心 2024年第10期132-139,173,共9页

为解决变分模态提取(variational mode extraction, VME)在分解轴承故障信号过程中近似中心频率和惩罚因子的选择过于依赖专家经验的问题,提出混合蛙跳算法(shuffled frog leaping algorithm, SFLA)与VME相结合的滚动轴承故障诊断方法... 为解决变分模态提取(variational mode extraction, VME)在分解轴承故障信号过程中近似中心频率和惩罚因子的选择过于依赖专家经验的问题,提出混合蛙跳算法(shuffled frog leaping algorithm, SFLA)与VME相结合的滚动轴承故障诊断方法。首先,为解决单一指标作为目标函数提取特征时信息不全面的问题,结合信息熵(information entropy, IE)、包络谱峭度和相关系数建立新的参数优化指标—KIC;然后,将KIC的极小值作为SFLA的目标函数自适应地选取VME期望模态的中心频率和惩罚因子;最后,通过包络解调分析期望模态进行故障诊断。仿真信号与轴承试验台相关数据集的分析结果表明,所提出的SFLA-VME方法能够准确地提取出期望模态并诊断轴承故障。 展开更多

关键词 滚动轴承 变分模态提取 混合蛙跳算法 包络谱峭度 信息熵

在线阅读 下载PDF 职称材料

S变换引导变分模态提取的旋转机械故障诊断方法 被引量：9

6

作者 郭远晶 金晓航 +1 位作者 魏燕定 杨友东 《振动工程学报》 EI CSCD 北大核心 2022年第5期1289-1298,共10页

针对信号变分模态分解(VMD)存在分解层数难以确定、目标模态难以选取的问题,介绍了一种信号分解方法——变分模态提取(VME),且提出了基于S变换(ST)与VME的旋转机械故障诊断方法。VME将信号分解成两层——期望模态和残余信号,并基于一个... 针对信号变分模态分解(VMD)存在分解层数难以确定、目标模态难以选取的问题,介绍了一种信号分解方法——变分模态提取(VME),且提出了基于S变换(ST)与VME的旋转机械故障诊断方法。VME将信号分解成两层——期望模态和残余信号,并基于一个新的准则:期望模态与残余信号之间具有最小的频谱重叠。为了使VME得到的期望模态包含充分的故障特征,采用S变换对信号进行处理,确定故障特征所在的频段,据此选取VME期望模态的中心频率初始值。为了从期望模态中提取出故障特征频率,采用平方包络谱(SES)对期望模态进行分析。仿真信号与实际振动信号的分析结果表明,所提出的ST‐VME方法能够成功提取出有价值的期望模态和准确的故障特征频率,实现旋转机械故障诊断,且与VMD相比,ST‐VME方法的目标性更强,实施更容易。 展开更多

关键词 故障诊断 旋转机械 变分模态提取 S变换 平方包络谱

在线阅读 下载PDF 职称材料

基于自适应变分模态提取的低速重载滚动轴承故障诊断方法 被引量：12

7

作者 俞惠惠 郑近德 +2 位作者 潘海洋 童靳于 刘庆运 《振动与冲击》 EI CSCD 北大核心 2022年第11期65-71,113,共8页

变分模态提取(variational mode extraction,VME)作为一种以极低计算度提取特定信号模态的新方法,其通过设置期望模态中心频率来获得固有模态函数。但是,VME只能针对一个中心频率提取一个分量,无法实现多分量信号的自适应分解。对此,通... 变分模态提取(variational mode extraction,VME)作为一种以极低计算度提取特定信号模态的新方法,其通过设置期望模态中心频率来获得固有模态函数。但是,VME只能针对一个中心频率提取一个分量,无法实现多分量信号的自适应分解。对此,通过依据信号数据长度与带宽自适应设置多分量模态中心频率参数,把信号分解问题转化为多模态优化问题,在此基础上,提出了一种自适应变分模态提取(adaptive variational mode extraction,AVME)方法。此外,为解决单一指标无法衡量最优解调分量全面信息特征的问题,提出将峭度、相关系数和正交性进行融合来凸显及筛选有用分量进行解调和诊断。通过对滚动轴承故障仿真信号和实测信号进行分析,将所提的方法与现有多种信号分解方法对比,结果表明了该方法在计算耗时上和降噪方面的有效性。 展开更多

关键词 自适应变分模态提取(AWME) 融合指标优选 滚动轴承 故障诊断

在线阅读 下载PDF 职称材料

基于改进VME结合SMHD的滚动轴承故障特征提取方法与实验分析

8

作者 陈志刚 杨远鹏 王衍学 《实验技术与管理》 北大核心 2025年第4期92-99,共8页

为解决在强噪声背景下滚动轴承故障特征提取精度较低问题,提出一种麻雀搜索算法(SSA)优化变分模态提取(VME),并结合稀疏最大谐波噪声比解卷积(SMHD)的诊断方法。首先,利用SSA对VME进行优化,以能量特征指标为适应度函数,选取最优的惩罚... 为解决在强噪声背景下滚动轴承故障特征提取精度较低问题,提出一种麻雀搜索算法(SSA)优化变分模态提取(VME),并结合稀疏最大谐波噪声比解卷积(SMHD)的诊断方法。首先,利用SSA对VME进行优化,以能量特征指标为适应度函数,选取最优的惩罚因子和中心频率参数;然后,将选取的最优参数输入到VME中进行信号分解,得到期望模态分量;再后,对提取到的模态分量进行解卷积处理,利用稀疏因子和谐波噪声比进一步抑制噪声,提高信号的信噪比;最后,对经SMHD处理后的信号进行包络谱分析,提取出故障特征频率。实验结果表明,该方法能更加有效地剔除多余噪声信号,增强冲击脉冲信号,在故障特征频率及多个倍频处均能清晰观察到故障特征频率。 展开更多

关键词 轴承故障诊断 变分模态提取 能量特征指标 麻雀搜索算法 稀疏最大谐波噪声比解卷积

在线阅读 下载PDF 职称材料

基于自适应特征提取的柴油机传动系振动识别

9

作者 周启迪 王延荣 +3 位作者 李志鹏 许春光 张忠伟 刘玉婷 《内燃机学报》 北大核心 2025年第2期183-191,共9页

柴油机传动系振动信号特征具有强复杂性和干扰性,准确提取信号特征是柴油机振动识别的关键.针对变分模态提取(VME)方法在处理柴油机振动信号存在自适应性不足的问题,研究以重构分解信号与原始信号的相关性为约束条件,以四阶累积量为VME... 柴油机传动系振动信号特征具有强复杂性和干扰性,准确提取信号特征是柴油机振动识别的关键.针对变分模态提取(VME)方法在处理柴油机振动信号存在自适应性不足的问题,研究以重构分解信号与原始信号的相关性为约束条件,以四阶累积量为VME优化的判定指标,提出一种自适应VME(AVME)方法,并通过构建类似柴油机振动特征的模拟信号验证了该方法的准确性和鲁棒性.通过AVME方法对柴油机传动系振动信号进行自适应分解,基于时频分析和阶次谱分析发现柴油机传动系主要振动源为齿轮系啮合激励,对比轴系扭振和柴油机振动结果,轴系扭转共振导致了齿轮系的强啮合冲击,最后提出了通过联轴器和减振器匹配设计进行振动抑制的方案. 展开更多

关键词 柴油机 振动识别 自适应特征提取 变分模态提取

在线阅读 下载PDF 职称材料

OVME结合SMHD的风电机组变桨轴承损伤识别 被引量：3

10

作者 唐贵基 薛贵 王晓龙 《动力工程学报》 CAS CSCD 北大核心 2023年第8期1039-1046,共8页

针对风电机组变桨轴承的损伤识别问题,提出一种优化变分模态提取结合稀疏最大谐波噪声比解卷积的新颖损伤识别方法,旨在从复合信号中提取特定信号分量。首先,以能量特征指标为适应度函数,利用白鲨优化算法对变分模态提取算法的最优影响... 针对风电机组变桨轴承的损伤识别问题,提出一种优化变分模态提取结合稀疏最大谐波噪声比解卷积的新颖损伤识别方法,旨在从复合信号中提取特定信号分量。首先,以能量特征指标为适应度函数,利用白鲨优化算法对变分模态提取算法的最优影响参数组合进行搜索,确定变分模态提取的平衡因子和中心频率的最优值;其次,利用变分模态提取从振动信号中提取特定信号分量,并对提取的信号分量进行稀疏最大谐波噪声比解卷积处理,提高信号的信噪比,得到解卷积信号;最后,对解卷积信号进行包络谱分析,从中提取轴承损伤特征频率。结果表明:该方法能准确识别风电机组变桨轴承的损伤特征,具有一定的实际工程参考价值。 展开更多

关键词 风电机组 变桨轴承 损伤识别 白鲨优化 变分模态提取 稀疏最大谐波噪声比解卷积

在线阅读 下载PDF 职称材料

基于PAVME的柴油机传动机构异常振动诊断研究 被引量：1

11

作者 周启迪 张忠伟 +3 位作者 王根全 王延荣 张利敏 许春光 《振动与冲击》 北大核心 2025年第1期143-150,共8页

柴油机传动机构振动信号具有强耦合、强冲击及强干扰特征,准确的信号特征提取是振动源识别及抑制的关键。针对变分模态提取(variational mode extraction,VME)方法在处理柴油机振动信号存在自适应性及准确性不足的问题,本研究以振动信... 柴油机传动机构振动信号具有强耦合、强冲击及强干扰特征,准确的信号特征提取是振动源识别及抑制的关键。针对变分模态提取(variational mode extraction,VME)方法在处理柴油机振动信号存在自适应性及准确性不足的问题,本研究以振动信号的峰值频率为中心频率的初始值,考虑分解信号与原始信号的相关性,以分解分量的峰峰值、均方根值及峰值因子为判定指标,提出一种参数自适应变分模态提取(parameter adaptive variational mode extraction,PAVME)算法,并通过构建强干扰环境下柴油机振动特征的模拟信号验证了该方法的准确性和鲁棒性。基于PAVME和功率谱密度函数(power spectral density function,PSD)识别出齿轮箱异常振动源为齿轮啮合激励。综合激励源和传递路径两个维度考虑,最后提出了通过轴系扭振控制进行传动机构振动抑制的方案。 展开更多

关键词 参数自适应变分模态提取(PAVME) 振动 柴油机 传动机构

在线阅读 下载PDF 职称材料

基于AVMHME和WSVD的风电机组主轴承故障诊断

12

作者 孙少华 卢坤鹏 《机械设计与制造》 北大核心 2025年第5期229-235,241,共8页

针对风电机组主轴承噪声干扰较多,故障难以准确诊断的问题,提出一种基于自适应变分多谐波模态提取(AVMHME)和线性峭度加权奇异值分解(WSVD)的故障诊断方法。首先利用Welch功率谱估计方法,得到谱图中主要峰值位置,推测信号的中心频率,其... 针对风电机组主轴承噪声干扰较多,故障难以准确诊断的问题,提出一种基于自适应变分多谐波模态提取(AVMHME)和线性峭度加权奇异值分解(WSVD)的故障诊断方法。首先利用Welch功率谱估计方法,得到谱图中主要峰值位置,推测信号的中心频率,其次利用鳑鮍鱼优化算法对变分多谐波模态提取方法中影响参数进行寻优,使用最优参数下的AVMHME方法对原始信号进行提取得到蕴含丰富故障信息的信号分量。随后通过WSVD方法对所得信号分量进行降噪处理,采用线性峭度表征各子分量故障特征信息,并对含有较多故障特征的降噪信号分量加权重构并对重构信号进行包络分析,从中诊断出微弱的风电机组主轴承故障特征频率成分。仿真信号及现场数据分析结果表明,所研究方法可以有效找出风电机组主轴承的微弱故障特征,实现主轴承故障的准确诊断。 展开更多

关键词 风电机组主轴承 Welch功率谱 变分模态多谐波提取 加权奇异值分解 鳑鮍鱼优化算法

在线阅读 下载PDF 职称材料

基于表面辐射声信号的柴油机进气及齿轮故障诊断

13

作者 李斌 林杰威 +3 位作者 朱小龙 林耕毅 张益铭 张俊红 《排灌机械工程学报》 CSCD 北大核心 2024年第8期843-850,共8页

利用声振信号进行发动机故障诊断过程中,部分故障激励仅在发动机表面特定位置的振动中有较强响应,振动测点要求高,需要接触测量,部分场景难以实现.为此,提出了一种以表面辐射声为媒介、以自适应变分模态提取(adaptive variational mode ... 利用声振信号进行发动机故障诊断过程中,部分故障激励仅在发动机表面特定位置的振动中有较强响应,振动测点要求高,需要接触测量,部分场景难以实现.为此,提出了一种以表面辐射声为媒介、以自适应变分模态提取(adaptive variational mode extraction,AVME)进行预处理的柴油机进气故障和齿轮故障诊断方法.开展了某直列六缸重型柴油机的进气滤清器堵塞、气门间隙异常和正时齿轮损伤3类故障状态的台架试验,获取了不同故障程度下发动机表面辐射噪声.基于改进的AVME方法,实现噪声信号本征模函数(intrinsic mode function,IMF)的最优分解,通过计算IMF与原信号间的互相关系数,提取高相关IMF构成故障诊断输入.经预处理后,声信号故障特征得到有效增强,再输入到麻雀搜索算法优化支持向量机模型(support vector machine model optimized by sparrow search algorithm,SSA-SVM),进行特征参量和模型参数协同优化可以获得更好的诊断精度.试验验证表明,无需在半消声室测试,仅使用单通道声信号对3类11种程度的进气系统和齿轮故障进行诊断,前端噪声准确率最高(98.89%),顶部噪声准确率最低(88.78%);使用前、顶、后三通道噪声数据后,诊断精度可提升至99.57%.研究结论为基于声信号等非接触测量的发动机故障诊断提供了参考. 展开更多

关键词 柴油机 声信号 故障诊断 自适应变分模态提取 支持向量机

在线阅读 下载PDF 职称材料

基于故障特征系数的IGWO-VME方法及其在轮对轴承故障诊断中的应用 被引量：1

14

作者 李翠省 刘永强 +2 位作者 廖英英 王俊锋 刘文朋 《铁道学报》 EI CAS CSCD 北大核心 2024年第12期49-57,共9页

针对加速度传感器采集的信号中包含多种干扰成分,导致轴承早期故障特征难以准确获取问题,提出一种基于自适应变分模态提取(VME)的故障诊断方法。VME算法是一种从多分量信号中提取单一分量的有效技术方法,提取结果与惩罚因子和初始中心... 针对加速度传感器采集的信号中包含多种干扰成分,导致轴承早期故障特征难以准确获取问题,提出一种基于自适应变分模态提取(VME)的故障诊断方法。VME算法是一种从多分量信号中提取单一分量的有效技术方法,提取结果与惩罚因子和初始中心频率密切相关。为自适应获取这些关键参数,利用改进灰狼优化器(IGWO)优化VME。考虑故障特征系数(FFC)具有明确的指向性,可以准确评估信号中特定故障的含量,因此建立适应度函数引导IGWO进行全局寻优。通过一个数值模拟信号和两个轮对轴承实验信号的分析,验证IGWO-VME方法的有效性。与自适应变分模态分解(AVMD)和快速谱峭度图(FK)的对比分析表明,IGWO-VME方法具有更强的故障特征提取能力,是一种更为先进的轮对轴承故障诊断方法。 展开更多

关键词 变分模态提取 惩罚因子 初始中心频率 改进灰狼优化器 故障特征系数

在线阅读 下载PDF 职称材料

基于IPIO-VME与ConvNeXt-Encoder-GRU的轴承剩余寿命预测

15

作者 黄博昊 董红涛 +3 位作者 赵晖 卫若茜 陈敬川 何澳 《机电工程》 CAS 北大核心 2024年第4期570-582,共13页

基于振动信号的轴承剩余寿命(RUL)预测在工业安全生产中具有重要意义,但该领域目前存在着模型构建难度较高、预测精度较低的问题;为完成自适应的特征模态提取和去噪工作,简化模型构建过程,提升预测效果,提出了基于改进鸽群算法的变分模... 基于振动信号的轴承剩余寿命(RUL)预测在工业安全生产中具有重要意义,但该领域目前存在着模型构建难度较高、预测精度较低的问题;为完成自适应的特征模态提取和去噪工作,简化模型构建过程,提升预测效果,提出了基于改进鸽群算法的变分模态提取(IPIO-VME)算法和基于ConvNeXt-Encoder-门控循环单元(GRU)的轴承剩余寿命预测方法。首先,鸽群算法高效准确,适用于VME的参数选择,但容易陷入局部最优,因此利用自适应惯性权重、收缩包围机制、莱维飞行等方法对鸽群算法进行了改进,以提高收敛速度和全局收敛能力;然后,为实现自适应的模态提取目的,设计了IPIO-VME算法的目标函数,能够针对VME算法和轴承振动信号的特点,有效提取轴承振动特征;最后,针对模型构建繁琐、精度低的问题,提出了ConvNeXt-Encoder-GRU模型,采用间隔与连续采样的数据集构建方法,并使用联合振动数据和特征曲线的方法进行了寿命预测模型的构建,通过ConvNeXt模块提取振动特征,然后使用Transformer的Encoder模块提取趋势特征,并利用GRU进行了融合;还对该算法和预测模型进行了实验对比验证。研究结果表明:改进鸽群算法具有更快的收敛速度和更好的全局收敛能力,在测试函数下,经过1000次迭代,其精度最高能达到1.23×10-9;ConvNeXt-Encoder-GRU模型具备较高预测准确性,在西安交通大学-长兴昇阳科技有限公司(XJTU-SY)轴承数据集上的LogCosh指标可以达到0.0013,优于单一模型。该研究结果对轴承的故障特征提取和剩余寿命预测研究具有一定的指导意义。 展开更多

关键词 滚动轴承 剩余使用寿命预测 改进鸽群算法 变分模态提取 ConvNeXt 门控循环单元

在线阅读 下载PDF 职称材料

基于AVME-OMOMEDA的滚动轴承复合故障诊断

16

作者 刘志军 周俊 +1 位作者 伍星 刘韬 《振动工程学报》 2025年第9期2130-2140,共11页

传统算法难以有效分离提取共振频带重叠的轴承复合故障特征,本文提出一种结合自适应变分模态提取(adaptive variational mode extraction,AVME)与优化多点最优最小熵反褶积(optimized multipoint optimal minimum entropy deconvolution... 传统算法难以有效分离提取共振频带重叠的轴承复合故障特征,本文提出一种结合自适应变分模态提取(adaptive variational mode extraction,AVME)与优化多点最优最小熵反褶积(optimized multipoint optimal minimum entropy deconvolution adjusted,OMOMEDA)的自适应滚动轴承复合故障特征分离提取方法。利用S变换谱自相关能量谱确定VME参数中心频率的初始值,提取出与故障相关的期望模态;将期望模态进行线性叠加重构原信号,实现对信号的降噪;利用OMOMEDA从重构信号中提取周期性脉冲信号,结合包络解调获取故障特征频率。仿真信号和试验信号验证了该方法能有效分离提取共振频带重叠的轴承复合故障特征,并与VMD-MCKD等其他4种已有算法进行比较,证明了所提方法的优越性。 展开更多

关键词 故障诊断 滚动轴承 自适应变分模态提取 优化多点最优最小熵反褶积 S变换谱自相关能量谱

在线阅读 下载PDF 职称材料