-
题名参数优化FMD的滚动轴承早期故障诊断
被引量：1
- 1
-
-
作者
王晓真
彭勃
王家忠
万书亭
-
机构
河北农业大学机电工程学院
华北电力大学河北省电力机械装备健康维护与失效预防重点实验室
-
出处
《组合机床与自动化加工技术》
北大核心
2024年第6期131-134,共4页
-
基金
河北农业大学引进人才科研专项项目(YJ2021056)
河北省引进留学人员资助项目(C20230334)
+1 种基金
河北省高等学校科学技术研究项目(BJK2024038)
河北省电力机械装备健康维护与失效预防重点实验室基金项目(KF2021-01)。
-
文摘
由于滚动轴承早期故障信号特征微弱,特征模态分解(feature mode decomposition, FMD)分解性能受参数滤波器长度L和模态个数n的影响,提出一种参数优化FMD早期故障诊断方法。首先,基于平方包络谱基尼系数(square envelope spectrum gini indix, SESGI)自适应确定FMD的滤波器长度L和模态个数n;其次,采用参数优化的FMD将信号分解为n个模态分量,并根据峭度值最大选择敏感模态分量;最后,对敏感模态分量进行包络分析,判断滚动轴承故障类型。仿真和实验结果表明,该方法可以自适应确定FMD最优参数组合,有效提取故障特征信息。通过与变分模态分解(variational mode decomposition, VMD)对比分析,参数优化FMD提取到的故障特征频率倍频较明显,具有更好的特征提取性能,能够实现滚动轴承故障的精确诊断。
-
关键词
特征模态分解
特征提取
故障诊断
平方包络谱基尼系数
-
Keywords
feature mode decomposition
feature extraction
fault diagnosis
square envelope spectrum gini indix
-
分类号
TH133.3
[机械工程—机械制造及自动化]
TG66
[金属学及工艺—金属切削加工及机床]
-
