用于信号盲提取的最大三阶相关峭度反卷积算法 被引量：4

1

作者 杨光永 胡国清 +2 位作者 陈乐 吴海锋 宋佳声 《华南理工大学学报（自然科学版）》 EI CAS CSCD 北大核心 2014年第1期47-51,58,共6页

传统的低阶自适应滤波器难以抑制或消除激光位移信号的高阶统计噪声,且在微位移测量条件下,基于最大熵或自然梯度的盲源分离方法的收敛速度和信噪比会急剧降低.为此,文中利用混合信号的峭度变化特性,提出了最大三阶相关峭度反卷积算法,... 传统的低阶自适应滤波器难以抑制或消除激光位移信号的高阶统计噪声,且在微位移测量条件下,基于最大熵或自然梯度的盲源分离方法的收敛速度和信噪比会急剧降低.为此,文中利用混合信号的峭度变化特性,提出了最大三阶相关峭度反卷积算法,设计了反卷积逆滤波器,分析了最大三阶相关峭度反卷积算法的收敛性和稳定条件,并构建了实验平台进行盲提取实验.结果表明,最大三阶相关峭度反卷积算法可有效地盲提取激光位移信号和多重反射信号,较FastICA算法具有更快的收敛速度和更高的信噪比. 展开更多

关键词 信号处理 盲源分离 最大三阶相关峭度反卷积 激光三角法 位移测量 多重反射信号

在线阅读 下载PDF 职称材料

增强的最小相关广义Lp/Lq范数反卷积在旋转机械故障诊断中的应用 被引量：2

2

作者 谭翠 黄晨光 +2 位作者 易彩 周秋阳 林建辉 《中国测试》 CAS 北大核心 2024年第10期157-166,共10页

用于提取滚动轴承故障周期冲击特征的最小相关广义Lp/Lq范数反卷积(MCG-Lp/Lq-D)存在对先验周期参数的精确度要求过高的问题。因此有必要提出一种新的周期估计方法-具有约束的自适应周期估计(APEC),该方法可以在强噪声条件下依然能够稳... 用于提取滚动轴承故障周期冲击特征的最小相关广义Lp/Lq范数反卷积(MCG-Lp/Lq-D)存在对先验周期参数的精确度要求过高的问题。因此有必要提出一种新的周期估计方法-具有约束的自适应周期估计(APEC),该方法可以在强噪声条件下依然能够稳定的给出周期信息的真实估计或其近似值,随后将APEC引入到MCG-Lp/Lq-D构造了新的盲解卷积算法EMCG-Lp/Lq-D,该方法不仅能在强噪声条件下通过APEC自适应调整故障周期,同时还继承了MCG-Lp/Lq-D对噪声和异常值鲁棒的特点。由于APEC是一种需要先验周期(不要求精确周期)指导的周期估计方法,这使得其在低信噪比(SNR)条件下具有更好的鲁棒性来估计故障周期,从而使EMCG-Lp/Lq-D的运用范围相较于MCG-Lp/Lq-D的更广泛。最后,仿真和实验验证了EMCG-Lp/Lq-D的有效性和优越性。 展开更多

关键词 最大相关峭度反卷积 自适应故障周期估计 故障诊断 机器状态监测 局部故障

在线阅读 下载PDF 职称材料

基于自适应最大相关峭度解卷积的滚动轴承多故障诊断 被引量：21

3

作者 胡爱军 赵军 《振动与冲击》 EI CSCD 北大核心 2019年第22期171-177,共7页

滚动轴承存在多个故障时,由于各故障响应之间相互干扰,会使包络谱诊断效果不佳。最大相关峭度解卷积(MCKD)是用于增强周期性脉冲的有效工具,然而,MCKD的滤波器长度参数和移位数需要人工设定,并且在复杂条件下运行的轴承对参数的要求较... 滚动轴承存在多个故障时,由于各故障响应之间相互干扰,会使包络谱诊断效果不佳。最大相关峭度解卷积(MCKD)是用于增强周期性脉冲的有效工具,然而,MCKD的滤波器长度参数和移位数需要人工设定,并且在复杂条件下运行的轴承对参数的要求较高。针对此情况,提出了一种自适应最大相关峭度解卷积的滚动轴承多故障诊断方法。该方法以最大相关峭度解卷积信号的包络谱的谱相关峭度值作为目标函数,采用人工鱼群算法,自适应得到MCKD的最优参数,利用参数优化的最大相关峭度解卷积实现滚动轴承多故障分析。滚动轴承多故障仿真及轴承内圈多故障实验分析表明,该方法可以有效提取故障特征,实现滚动轴承多故障的准确诊断。 展开更多

关键词 滚动轴承 多故障 人工鱼群算法 自适应 最大相关峭度解卷积(MCKD)

在线阅读 下载PDF 职称材料

采用参数自适应最大相关峭度解卷积的滚动轴承故障特征提取 被引量：17

4

作者 张守京 慎明俊 +1 位作者 杨静雯 吴芮 《西安交通大学学报》 EI CAS CSCD 北大核心 2022年第3期75-83,共9页

针对滚动轴承故障特征信号因受传输路径和强噪声的干扰而导致周期性故障脉冲难以提取以及最大相关峭度解卷积(MCKD)参数依赖人为经验选择的问题,提出一种参数自适应MCKD的滚动轴承故障特征提取方法。以解卷积信号的包络谱熵作为适应度函... 针对滚动轴承故障特征信号因受传输路径和强噪声的干扰而导致周期性故障脉冲难以提取以及最大相关峭度解卷积(MCKD)参数依赖人为经验选择的问题,提出一种参数自适应MCKD的滚动轴承故障特征提取方法。以解卷积信号的包络谱熵作为适应度函数,利用麻雀搜索算法强大的全局搜索能力自适应地选择MKCD方法的最佳参数组合;利用参数优化后的MCKD方法对故障信号进行解卷积运算,滤除掉信号中的噪声,以突显由轴承故障激发的周期性故障脉冲;对解卷积信号进行包络解调,以提取出轴承故障特征频率成分。仿真结果表明,与遗传算法和粒子群算法相比,采用麻雀搜索算法可使MCKD参数在优化中具有更快的收敛速度和更强的稳定性。对滚动轴承进行全寿命周期实验及对工程案例的实验结果表明:所提方法能自适应提取强噪声中的轴承周期性故障脉冲成分,信号的峭度提高了3倍,鲁棒性更强;与直接谱分析和快速谱峭度方法相比,所提方法能完整提取信号中的故障特征频率成分,成功率可达100%,有效提高了滚动轴承的故障诊断精度。 展开更多

关键词 滚动轴承 故障脉冲 最大相关峭度解卷积 麻雀搜索算法 直接谱分析 快速谱峭度

在线阅读 下载PDF 职称材料

基于优化VMD-MCKD和谱峭度的滚动轴承复合故障诊断

5

作者 王富珂 高丙朋 《机床与液压》 北大核心 2024年第19期196-202,共7页

针对滚动轴承振动信号中复合故障特征难以准确提取而导致故障诊断困难的问题,提出一种基于优化变分模态分解(VMD)和最大相关峭度解卷积(MCKD)结合快速谱峭度算法的滚动轴承复合故障诊断方法。利用改进麻雀搜索算法(ISSA)优化VMD和MCKD... 针对滚动轴承振动信号中复合故障特征难以准确提取而导致故障诊断困难的问题,提出一种基于优化变分模态分解(VMD)和最大相关峭度解卷积(MCKD)结合快速谱峭度算法的滚动轴承复合故障诊断方法。利用改进麻雀搜索算法(ISSA)优化VMD和MCKD的参数,使用优化后的VMD对复合故障信号进行分解,并根据峭度准则筛选有效本征模态函数(IMF)进行信号重构,使用优化后的MCKD对重构信号进行解卷积与故障特征增强,并对解卷积信号进行包络谱分析提取故障特征频率。利用快速谱峭度算法对未提取出故障特征频率的解卷积信号进行处理,得到故障信息最丰富的频带参数并进行带通滤波处理。最后,对滤波后的信号进行包络谱分析,提取故障特征频率,从而实现故障诊断。仿真及实验结果表明:所提方法能有效分离复合故障并提取出故障特征频率,有效实现了复合故障诊断。 展开更多

关键词 复合故障 变分模态分解 最大相关峭度解卷积 快速谱峭度 改进麻雀搜索算法

在线阅读 下载PDF 职称材料

故障冲击增强与双通道融合的自适应轴承故障诊断

6

作者 刘斌 曹丽君 +3 位作者 武欣雅 段云凤 杨栋辉 谢秀梅 《振动与冲击》 北大核心 2025年第17期313-324,342,共13页

针对传统轴承故障诊断方法中存在的依赖专家经验、特征提取困难、准确率不高等问题,提出一种结合故障冲击增强与双通道融合的自适应神经网络诊断方法。首先,将振动信号通过最大相关峭度解卷积转换为故障冲击增强的信号。其次,将网格搜... 针对传统轴承故障诊断方法中存在的依赖专家经验、特征提取困难、准确率不高等问题,提出一种结合故障冲击增强与双通道融合的自适应神经网络诊断方法。首先,将振动信号通过最大相关峭度解卷积转换为故障冲击增强的信号。其次,将网格搜索算法引入卷积神经网络(convolutional neural network,CNN)-Transformer-双向长短期记忆网络(bidirectional long short-term memory network,BiLSTM)中,双通道CNN-Transformer用来提取信号的局部和全局特征信息,BiLSTM则用来提取双通道特征融合的时序信息,从而自适应识别轴承的故障状态。最后,通过全连接层输出故障分类诊断结果。试验表明,本方法自适应识别多工况轴承故障,展现了较强的鲁棒性与泛化能力。 展开更多

关键词 多工况故障诊断 故障冲击增强 自适应特征提取 网格搜索算法 最大相关峭度解卷积

在线阅读 下载PDF 职称材料

基于改进共振稀疏分解的滚动轴承早期故障特征提取方法

7

作者 孙梦 高丙朋 程静 《机械强度》 北大核心 2025年第6期17-26,共10页

针对滚动轴承发生早期故障时其故障特征微弱,复杂运行环境下的故障特征容易被噪声淹没的问题,提出了基于改进的人工大猩猩部队(Improved Artificial Gorilla Troops Optimizer,IGTO)算法、优化共振稀疏分解(Resonancebased Sparse Signa... 针对滚动轴承发生早期故障时其故障特征微弱,复杂运行环境下的故障特征容易被噪声淹没的问题,提出了基于改进的人工大猩猩部队(Improved Artificial Gorilla Troops Optimizer,IGTO)算法、优化共振稀疏分解(Resonancebased Sparse Signal Decomposition,RSSD)、多参数与稀疏最大谐波噪声比解卷积(Sparse Maximum Harmonics-to-noise-ratio Deconvolution,SMHD)方法相结合的早期故障诊断方法。首先,以低共振分量的平方包络谱相关峭度(Squared Envelope Spectral Correlated Kurtosis,SE-SCK)负值为目标函数,利用IGTO同时优化RSSD的品质因子Q、权重系数λ和拉格朗日乘子μ,实现小波基函数和耗散函数的最优匹配,以获得富含故障信息的最优低共振分量;其次,将其输入SMHD进行滤波处理;最后,进行包络谱分析提取故障特征。算法对比试验表明,IGTO算法寻优性能显著提高;仿真和XJTU-SY轴承全寿命周期故障信号试验结果表明,所提方法更能有效地提取滚动轴承早期微弱故障特征。 展开更多

关键词 改进的人工大猩猩部队算法 共振稀疏分解 平方包络谱相关峭度 稀疏最大谐波噪声比解卷积 早期故障诊断

在线阅读 下载PDF 职称材料

基于多准则优化参数的滚动轴承微弱故障诊断方法

8

作者 栾孝驰 张振鹏 +2 位作者 柳贡民 沙云东 王胜红 《哈尔滨工程大学学报》 北大核心 2025年第10期2003-2011,共9页

为有效地提取强背景噪声下航空发动机滚动轴承微弱故障特征,本文提出一种多准则优化参数的滚动轴承微弱故障诊断方法。为了自适应选取变模态分解和最大相关峭度解卷积中的参数并提高故障诊断的正确率,使用人工蜂鸟算法优化变模态分解中... 为有效地提取强背景噪声下航空发动机滚动轴承微弱故障特征,本文提出一种多准则优化参数的滚动轴承微弱故障诊断方法。为了自适应选取变模态分解和最大相关峭度解卷积中的参数并提高故障诊断的正确率,使用人工蜂鸟算法优化变模态分解中的参数分解层数和惩罚因子,并引入一种新的指标——有效加权峭度作为适应度函数,利用优化后的变模态分解对信号进行分解并以有效加权峭度作为评价指标,筛选指标最大的分量作为最优分量。以故障特征能量比作为适应度函数优化最大相关峭度解卷积以增强故障特征。采用包络谱分析提取实际故障特征频率实现故障诊断。本文使用公开数据和自行开展的主轴承故障模拟实验进行了方法验证。结果表明,本文方法可以有效突显滚动轴承的故障特征频率及其倍频,实现了在强背景噪声下航空发动机滚动轴承微弱故障诊断。 展开更多

关键词 航空发动机 滚动轴承 变模态分解 最大相关峭度解卷积 有效加权峭度 人工蜂鸟算法 故障诊断

在线阅读 下载PDF 职称材料

基于参数自适应ICEEMDAN和MCKD的太阳轮早期故障特征提取研究

9

作者 赵乃卓 赵羽萌 门城赋 《机械强度》 北大核心 2025年第6期57-65,共9页

针对在强噪声背景下太阳轮早期故障难以准确提取的问题,提出了一种改进灰狼算法(New Grey Wolf Optimization Algorithm,newGWO)优化改进自适应噪声完备集合经验模态分解(Improved Complete Ensemble Empirical Mode Decomposition with... 针对在强噪声背景下太阳轮早期故障难以准确提取的问题,提出了一种改进灰狼算法(New Grey Wolf Optimization Algorithm,newGWO)优化改进自适应噪声完备集合经验模态分解(Improved Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,ICEEMDAN)和最大相关峭度解卷积(Maximum Correlated Kurtosis Deconvolution,MCKD)的太阳轮早期故障特征提取方法。采用newGWO优化影响其分解效果的白噪声幅值权重和噪声添加次数的参数选择,对故障振动信号进行newGWO-ICEEMDAN,选择最小包络熵为适应度函数,由此得到若干相关模态分量;然后以包络谱谱峰因子为选取最佳模态分量指标,对选定的最佳本征模态函数(Intrinsic Mode Function,IMF)分量进行经过newGWO优化的MCKD信号增强;最后对所得信号进行包络解调分析,提取太阳轮故障特征频率以及多倍频成分。通过仿真信号以及试验表明,该方法能够使得早期故障冲击特征更加明显,实现了太阳轮早期故障特征频率提取。 展开更多

关键词 太阳轮 早期故障 特征提取 改进灰狼算法 集合经验模态分解 相关峭度解卷积

在线阅读 下载PDF 职称材料

基于改进VMD-MCKD的RV减速器故障诊断

10

作者 罗捷 蔺梦雄 《机械设计》 北大核心 2025年第9期170-176,共7页

针对RV减速器振动信号中含有大量噪声干扰成分导致减速器故障特征提取难的问题,提出了一种基于粒子群优化变分模态分解(PSO-VMD)与最大相关峭度解卷积(PSO-MCKD)的RV减速器故障诊断方法。采用粒子群算法对变分模态分解中的分解层数c、... 针对RV减速器振动信号中含有大量噪声干扰成分导致减速器故障特征提取难的问题,提出了一种基于粒子群优化变分模态分解(PSO-VMD)与最大相关峭度解卷积(PSO-MCKD)的RV减速器故障诊断方法。采用粒子群算法对变分模态分解中的分解层数c、惩罚因子α、最大相关峭度解卷积的滤波器长度L及位移参数M进行参数寻优,以多尺度排列熵(PME)为适应性函数,得到最优分解组合。对采集到的振动信号进行变分模态分解,通过分解得到系列本征模态函数(IMF)分量;以峭度值为筛选准则,计算出与原信号相关度最大的IMF分量,利用得到的最优[L,M]值对原始信号进行最大相关峭度解卷积,凸显故障冲击特征;对降噪后的IMF分量进行希尔伯特包络解调,从而提取故障特征。同时进行对比试验,验证了该方法的优越性。试验结果表明:该方法能够准确提取故障特征,减小噪声的影响,实现RV减速器的故障诊断。 展开更多

关键词 RV减速器 故障诊断 粒子群优化算法 改进变分模态分解 最大相关峭度解卷积 多尺度排列熵

在线阅读 下载PDF 职称材料

自适应双阻尼小波字典的轴承复合故障诊断方法

11

作者 胡俊锋 赵丽娟 +1 位作者 严雪竹 张龙 《振动与冲击》 北大核心 2025年第7期239-246,共8页

针对强背景噪声下难以准确提取出轴承复合故障中各故障类型有效特征的问题,提出一种基于最大相关峭度解卷积(maximum correlated kurtosis deconvolution,MCKD)和稀疏表征的轴承复合故障诊断方法。该方法首先通过MCKD算法实现复合故障... 针对强背景噪声下难以准确提取出轴承复合故障中各故障类型有效特征的问题,提出一种基于最大相关峭度解卷积(maximum correlated kurtosis deconvolution,MCKD)和稀疏表征的轴承复合故障诊断方法。该方法首先通过MCKD算法实现复合故障的分离,并达到初步增强故障冲击特征的效果;然后进行稀疏表征字典设计先验知识分析,构造与真实故障脉冲响应更加匹配的双阻尼非对称小波参数字典,结合正交匹配追踪算法,稀疏重构出各故障特征;最后对重构分量做包络谱分析,提取轴承故障特征频率。考虑到MCKD算法和非对称小波中的参数选取决定着最终的特征提取效果,使用鲸鱼优化算法实现参数自动优化选取。仿真数据和试验台数据分析结果表明,所提出的方法可有效提取出轴承复合故障中的各类故障成分,且相比常用的单阻尼Laplace小波字典具有一定的优越性。 展开更多

关键词 复合故障 最大相关峭度解卷积(MCKD)算法 双阻尼非对称小波 稀疏分解 特征提取

在线阅读 下载PDF 职称材料

基于VME与MCKD的齿轮箱中速轴故障诊断方法研究

12

作者 季晓龙 赵芡莹 +3 位作者 罗智 王祖达 蔡海洋 张震 《中国工程机械学报》 北大核心 2025年第3期543-547,共5页

在行星级齿轮箱故障诊断方法研究中,通常采用高速轴测点检测中速轴故障信息,所采集的信号中中速轴频率成分易受到高速轴的信息干扰,导致其信噪比较低。通过结合变分模态提取(VME)算法与最大相关峭度反卷积(MCKD)算法,可在抑制原始信号... 在行星级齿轮箱故障诊断方法研究中,通常采用高速轴测点检测中速轴故障信息,所采集的信号中中速轴频率成分易受到高速轴的信息干扰,导致其信噪比较低。通过结合变分模态提取(VME)算法与最大相关峭度反卷积(MCKD)算法,可在抑制原始信号中噪声成分的同时,有效提取中速轴的相关频率成分,从而解决高速轴测点下中速轴相关频率易受其他信号干扰的问题。 展开更多

关键词 变分模态分解(VME) 最大相关峭度反卷积(MCKD) 风力发电机齿轮箱 故障诊断

在线阅读 下载PDF 职称材料

基于VMD与快速谱峭度的滚动轴承故障诊断 被引量：20

13

作者 刘泽锐 邢济收 +2 位作者 王红军 韩凤霞 谷丰收 《电子测量与仪器学报》 CSCD 北大核心 2021年第2期73-79,共7页

针对滚动轴承故障信号易受环境噪声干扰,故障特征信息获取相对困难的问题,提出了基于变分模态分解(VMD)与快速谱峭度的滚动轴承故障特征提取方法。首先将轴承信号分解为若干个固有模态分量(IMF),然后利用最大相关峭度解卷积算法对各阶... 针对滚动轴承故障信号易受环境噪声干扰,故障特征信息获取相对困难的问题,提出了基于变分模态分解(VMD)与快速谱峭度的滚动轴承故障特征提取方法。首先将轴承信号分解为若干个固有模态分量(IMF),然后利用最大相关峭度解卷积算法对各阶模态分量进行计算,选取相关峭度值相对较大的几个IMF分量作为故障信息最突出的研究对象,并对其进行快速谱峭度分析;最后根据快速谱峭度图结果设置滤波频率,对滤波信号进行平方包络谱分析得到轴承的故障特征信息。通过公开数据和实验分析表明了该方法可以成功诊断轴承故障。 展开更多

关键词 VMD 最大相关峭度解卷积算法 相关峭度 快速谱峭度 故障诊断

在线阅读 下载PDF 职称材料

基于优化MCKD-VMD与互相关谱的轴承复合故障诊断 被引量：4

14

作者 魏晓鹏 高丙朋 《组合机床与自动化加工技术》 北大核心 2023年第3期78-81,共4页

针对强背景噪声下轴承复合故障诊断困难的问题,提出一种优化最大相关峭度解卷积(MCKD)和变分模态分解(VMD)并结合互相关谱的轴承复合故障诊断方法。首先,通过黏菌优化算法(SMA)优化MCKD的参数,实现故障信号解卷积及故障特征增强,完成复... 针对强背景噪声下轴承复合故障诊断困难的问题,提出一种优化最大相关峭度解卷积(MCKD)和变分模态分解(VMD)并结合互相关谱的轴承复合故障诊断方法。首先,通过黏菌优化算法(SMA)优化MCKD的参数,实现故障信号解卷积及故障特征增强,完成复合故障特征分离;其次,对分离的解卷积信号进行互相关谱分析,对故障特征不明显的解卷积信号使用VMD进行降噪;最后,对降噪的解卷积信号进行互相关谱分析,进一步降低噪声的影响,提取故障特征完成故障诊断。仿真和实验结果表明,所提方法克服了仅使用MCKD或包络谱的缺点,能够有效降低噪声的影响,复合故障诊断效果较好。 展开更多

关键词 最大相关峭度解卷积 变分模态分解 黏菌优化算法 互相关谱 复合故障诊断

在线阅读 下载PDF 职称材料

基于振动与声发射敏感参数识别的主轴承故障诊断方法 被引量：4

15

作者 栾孝驰 佟鑫宇 +2 位作者 沙云东 陈兴武 郭小鹏 《推进技术》 EI CAS CSCD 北大核心 2024年第12期269-281,共13页

针对航空发动机主轴承故障特征信息提取困难的问题,提出了一种基于声发射特征参数与多参数筛选的小波包变换(MFSWPD)-粒子群优化算法(PSO)-最大相关峭度反卷积(MCKD)融合的轴承故障诊断方法。该方法通过声发射参数判断轴承状态并通过小... 针对航空发动机主轴承故障特征信息提取困难的问题,提出了一种基于声发射特征参数与多参数筛选的小波包变换(MFSWPD)-粒子群优化算法(PSO)-最大相关峭度反卷积(MCKD)融合的轴承故障诊断方法。该方法通过声发射参数判断轴承状态并通过小波包变换获得节点分量,针对分量进行筛选重构,再通过粒子群迭代优化的自适应最大相关峭度反卷积进行故障诊断。为验证该方法的有效性,开展某型双转子航空发动机主轴承故障模拟试验及某型涡扇发动机主轴承真实剥落故障试验,并在试验正式开始前进行断铅试验,检验轴承损伤点到测试点之间的声发射幅值衰减特性。结果表明:声发射断铅信号从轴承损伤位置到测试点位置幅值衰减约为55 dB。基于声发射与振动敏感参数的轴承故障诊断方法可有效提高故障信息的特征提取能力,精准判别主轴承的典型故障类型。 展开更多

关键词 航空发动机 主轴承 故障诊断 敏感参数特征识别 粒子群优化算法 最大相关峭度反卷积

在线阅读 下载PDF 职称材料

基于SVMD与参数优化MCKD的轴承故障诊断 被引量：7

16

作者 钟先友 何流 赵潇 《机电工程》 CAS 北大核心 2024年第7期1179-1188,共10页

针对轴承故障信号存在噪声干扰,难以提取故障特征的问题,提出了一种将连续变分模态分解(SVMD)与改进的最大相关峭度反卷积(MCKD)相结合的轴承故障诊断方法。首先,为了表征轴承振动信号中的故障特征,将峭度与高斯核相结合,提出了比峭度... 针对轴承故障信号存在噪声干扰,难以提取故障特征的问题,提出了一种将连续变分模态分解(SVMD)与改进的最大相关峭度反卷积(MCKD)相结合的轴承故障诊断方法。首先,为了表征轴承振动信号中的故障特征,将峭度与高斯核相结合,提出了比峭度指标更为突出的加权峭度指标;其次,利用SVMD方法对轴承信号进行了分解,获得了若干模态分量,并使用加权峭度指标从多个模态分量中筛选出了故障特征最丰富的模态分量;然后,以包络熵为标准,通过几何平均优化器(GMO)优化MCKD的滤波器长度和周期两个参数,获得了最佳的参数组合;最后,采用GMO-MCKD方法对轴承信号进行了降噪,对降噪后的信号进行了包络分析,提取了轴承特征频率;同时,采用粒子群优化(PSO)的变分模态分解(VMD)和粒子群优化的变分模态提取(VME),对轴承信号进行了对照分析。研究结果表明:采用SVMD-GMO-MCKD方法在辛辛那提数据集中诊断出轴承特征频率为234.4 Hz及其二倍频;在西储大学轴承数据集中诊断出轴承特征频率为108.96 Hz,二倍频为218.09 Hz。该方法可以增强滚动轴承的周期性冲击成分,在有干扰的背景下有效地提取出滚动轴承内圈和外圈的故障特征,且轴承故障特征提取效果优于PSO-VMD和PSO-VME方法。 展开更多

关键词 噪声干扰 连续变分模态分解 最大相关峭度反卷积 几何平均优化器 故障特征提取效果 轴承特征频率

在线阅读 下载PDF 职称材料

基于局部能量密度的中介轴承故障特征提取与诊断方法 被引量：3

17

作者 栾孝驰 郝冠丞 +2 位作者 沙云东 张振鹏 赵奉同 《仪器仪表学报》 EI CAS CSCD 北大核心 2024年第5期239-250,共12页

针对航空发动机中介轴承振动信号在复杂传递路径和强背景噪声条件下的故障特征提取难题,本文提出了一种基于局部能量密度(LED)的中介轴承故障特征提取与诊断方法。首先,采用奇异谱分析对故障信号进行初步的降噪处理,并通过基于余弦值的... 针对航空发动机中介轴承振动信号在复杂传递路径和强背景噪声条件下的故障特征提取难题,本文提出了一种基于局部能量密度(LED)的中介轴承故障特征提取与诊断方法。首先,采用奇异谱分析对故障信号进行初步的降噪处理,并通过基于余弦值的方法确定最优的重构阶次,以保留信号中的关键故障信息。接着,引入新指标LED,用于量化故障特征频率及其谐波在局部频率范围内的能量比例。该指标不仅能有效提取微弱的故障特征,而且对于实际故障频率与理论故障频率之间可能存在的偏差表现出较强的鲁棒性。以LED作为适应度函数,通过人工蜂鸟算法优化的最大相关峭度解卷积(MCKD)增强奇异谱分析降噪后信号中的故障特征。最后,通过包络谱分析完成故障诊断。本文通过中介轴承故障模拟实验和加噪实验验证了所提方法的有效性,实验结果表明,与现有的故障诊断技术相比,本文所提出的方法的故障特征系数(FFC)和LED分别增加20.7%~218%和22.9%~134%。在0 dB,-4 dB和-10 dB噪声条件下,该方法仍准确地识别到外圈故障的特征频率及倍频,表明所提出的SSA_MCKD能有效降低信号噪声并提取滚动轴承的故障特征。 展开更多

关键词 中介轴承 奇异谱分析 最大相关峭度解卷积 局部能量密度 人工蜂鸟算法 故障诊断

在线阅读 下载PDF 职称材料

基于MOBWO-MCKD的风机滚动轴承故障特征提取方法 被引量：6

18

作者 霍忠堂 高建松 张丁丁 《机电工程》 北大核心 2024年第1期123-129,共7页

针对风力发电机轴承振动信号受强背景噪声及其他设备激励源影响,导致早期微弱故障特征不易提取这一问题,提出了一种基于多目标白鲸优化算法(MOBWO)优化的最大相关峰度反卷积(MCKD)风力发电机轴承故障特征提取方法。首先,采用MOBWO强大... 针对风力发电机轴承振动信号受强背景噪声及其他设备激励源影响,导致早期微弱故障特征不易提取这一问题,提出了一种基于多目标白鲸优化算法(MOBWO)优化的最大相关峰度反卷积(MCKD)风力发电机轴承故障特征提取方法。首先,采用MOBWO强大的全局及局部搜索能力优化了MCKD关键参数,获取了最佳参数组合;其次,利用优化后的MCKD对原始信号进行了解卷积运算,消除了背景噪声及其他设备激励源的影响,突出了轴承周期性脉冲信号;然后对解卷积信号进行了包络谱分析,提取了轴承故障特征频率,并将其与理论计算故障特征频率值进行了诊断结果对比;最后,采用实际工程中采集到的风力发电机轴承内圈和外圈的故障数据,对MOBWO-MCKD方法的有效性进行了试验验证。研究结果表明:基于MOBWO-MCKD的故障特征提取方法能够有效地消除背景噪声及其他设备激励源的干扰;由内圈信号包络谱可得到的内圈故障频率为f IR=125.87 Hz、2f IR=251.74 Hz;由外圈信号包络谱可得到的外圈故障频率为f OR=84.47 Hz、2f OR=168.94 Hz、3f OR=253.41 Hz。该特征提取方法可以为实际工程风力发电机轴承早期微弱故障特征提取研究提供一定的参考。 展开更多

关键词 风机轴承 多目标白鲸优化算法 最大相关峰度反卷积 滚动轴承内圈 轴承外圈 包络分析

在线阅读 下载PDF 职称材料

基于SCSSA-VMD-MCKD的轴承早期微弱故障异常检测方法 被引量：4

19

作者 陈立海 谭奥 +2 位作者 贺永辉 张笑琼 白晓龙 《机电工程》 CAS 北大核心 2024年第12期2129-2141,共13页

针对滚动轴承在强噪声干扰下早期微弱故障不易被检测的问题,提出了一种基于结合正余弦和柯西变异的麻雀智能搜索算法优化变分模态分解与最大相关峭度解卷积(SCSSA-VMD-MCKD)的轴承早期微弱故障异常检测方法。首先,采用结合正余弦和柯西... 针对滚动轴承在强噪声干扰下早期微弱故障不易被检测的问题,提出了一种基于结合正余弦和柯西变异的麻雀智能搜索算法优化变分模态分解与最大相关峭度解卷积(SCSSA-VMD-MCKD)的轴承早期微弱故障异常检测方法。首先,采用结合正余弦和柯西变异的麻雀智能搜索算法(SCSSA)优化了VMD参数α和K,进而对轴承故障信号进行了自适应分解,根据加权包络谱峰值因子指标(WEPF)筛选有效模态分量,并重构得到了重构信号;然后,采用SCSSA优化了MCKD参数T、L和M,并用优化后的MCKD方法增强了重构信号故障冲击成分;最后,对经MCKD增强后的重构信号进行了包络谱分析,提取到了轴承故障特征频率及倍频;利用轴承故障仿真信号和试验信号对该故障异常检测方法进行了验证分析。研究结果表明:该检测方法能够有效降噪并自适应增强故障冲击成分,相较于经SCSSA-VMD分解并重构的信号,故障仿真信号和实测试验信号信噪比分别提升了102.6%和81.3%,均方根误差分别降低了26.7%和33.3%;轴承内外圈故障特征频率及倍频幅值更为突出,能够实现强噪声背景下滚动轴承早期微弱故障异常检测目的,与SSA-VMD-MCKD方法相比,更能突显该方法的优越性。 展开更多

关键词 滚动轴承 故障诊断 故障冲击成分增强 结合正余弦和柯西变异的麻雀智能搜索算法 变分模态分解 最大相关峭度解卷积

在线阅读 下载PDF 职称材料

基于参数优化VMD-MCKD的滚动轴承早期故障诊断 被引量：2

20

作者 陶翰铭 张栋良 +1 位作者 吴坤鹏 吴杰 《噪声与振动控制》 CSCD 北大核心 2024年第6期156-164,共9页

针对滚动轴承早期故障特征易受强背景噪声影响而难以提取的问题,提出一种基于阿基米德算法(Archimedes Optimization Algorithm,AOA)优化变分模态分解(Variational Mode Decomposition,VMD)和相关最大峭度解卷积(Maximum Correlated Kur... 针对滚动轴承早期故障特征易受强背景噪声影响而难以提取的问题,提出一种基于阿基米德算法(Archimedes Optimization Algorithm,AOA)优化变分模态分解(Variational Mode Decomposition,VMD)和相关最大峭度解卷积(Maximum Correlated Kurtosis Deconvolution,MCKD)参数的滚动轴承故障诊断方法。首先,将不同移位数下相关峭度和现有指标进行对比,选取最优相关峭度指标作为目标函数优化VMD算法中分解层数K和惩罚因子,并基于VMD分解结果选取最优分量;其次,提出一种加权包络谱峭度作为目标函数优化MCKD算法中滤波器长度L和冲击信号周期T,基于MCKD算法增强最优分量中的冲击成分;最后,通过包络谱分析判断滚动轴承故障类型。仿真和试验结果表明,该方法可以有效提取并增强故障中的冲击成分,实现在强背景噪声下的滚动轴承早期故障诊断。 展开更多

关键词 故障诊断 滚动轴承 阿基米德算法 变分模态分解 最大相关峭度解卷积

在线阅读 下载PDF 职称材料