基于最大相关峭度反褶积的轴承故障诊断方法 被引量：21

1

作者 武兵 贾峰 熊晓燕 《振动．测试与诊断》 EI CSCD 北大核心 2014年第3期570-575,597,共6页

针对滚动轴承的故障信号是周期性冲击信号这一特性,提出了最大相关峭度反褶积(maximum correlated kurtosis deconvolution,简称MCKD)与谱峭度(spectral kurtosis,简称SK)结合的滚动轴承早期故障诊断方法,即MCKD-SK法。利用MCKD方法可... 针对滚动轴承的故障信号是周期性冲击信号这一特性,提出了最大相关峭度反褶积(maximum correlated kurtosis deconvolution,简称MCKD)与谱峭度(spectral kurtosis,简称SK)结合的滚动轴承早期故障诊断方法,即MCKD-SK法。利用MCKD方法可以有效提取滚动轴承早期故障信号中被噪声淹没的周期冲击成分,抑制信号中的噪声,实现信号降噪,提升原信号的峭度。利用SK方法可以选择合理频带,将信号中的低频信息从高频信息中解调出来。通过仿真与实际监测数据的分析和验证,证明MCKD-SK方法可以准确有效地诊断滚动轴承的早期故障,可用于滚动轴承早期故障的在线监测。 展开更多

关键词 最大相关峭度反褶积 谱峭度 解调分析 早期故障诊断

在线阅读 下载PDF 职称材料

基于角域级联最大相关峭度反褶积的滚动轴承早期故障诊断 被引量：16

2

作者 任学平 张玉皓 +1 位作者 邢义通 王朝阁 《仪器仪表学报》 EI CAS CSCD 北大核心 2015年第9期2104-2111,共8页

变转速工况是某些启制动工作制设备常用的工作方式,针对启制动工作制下滚动轴承故障的振动信号呈现非平稳特性,加之现场环境噪声的干扰,难以从原始故障信号中提取特征频率。提出基于角域级联最大相关峭度(CMCKD)的滚动轴承故障诊断方法... 变转速工况是某些启制动工作制设备常用的工作方式,针对启制动工作制下滚动轴承故障的振动信号呈现非平稳特性,加之现场环境噪声的干扰,难以从原始故障信号中提取特征频率。提出基于角域级联最大相关峭度(CMCKD)的滚动轴承故障诊断方法。首先将时域非平稳故障信号进行角域重采样转换为角域内的平稳信号;然后用级联最大相关峭度反褶积对故障信号进行处理,抑制信号中的噪声,提取信号中的周期冲击成分。通过对仿真和实验数据的分析,验证了角域级联最大相关峭度反褶积方法的有效性。 展开更多

关键词 滚动轴承 早期故障诊断 角域重采样 最大相关峭度反褶积

在线阅读 下载PDF 职称材料

基于最大相关峭度反褶积的齿轮箱复合故障特征提取 被引量：8

3

作者 王志坚 寇彦飞 +3 位作者 王俊元 张纪平 齐明思 赵志芳 《噪声与振动控制》 CSCD 2017年第3期173-176,共4页

提出一种基于最大相关峭度反褶积(Maximum correlated kurtosis deconvolution,MCKD)的复合故障特征提取方法,通过MCKD对原信号降噪,提取感兴趣的周期成分,同时将此方法与最小熵反褶积对比研究,验证该方法的强降噪效果。将该方法运用于... 提出一种基于最大相关峭度反褶积(Maximum correlated kurtosis deconvolution,MCKD)的复合故障特征提取方法,通过MCKD对原信号降噪,提取感兴趣的周期成分,同时将此方法与最小熵反褶积对比研究,验证该方法的强降噪效果。将该方法运用于齿轮箱复合故障诊断中,可成功提取出各个故障特征。 展开更多

关键词 振动与波 最大相关峭度反褶积 最小熵反褶积 复合故障 故障检测

在线阅读 下载PDF 职称材料

基于阶次跟踪最大相关峭度反褶积的滚动轴承早期故障诊断 被引量：1

4

作者 任学平 张玉皓 +1 位作者 辛向志 庞震 《机械设计与制造》 北大核心 2016年第2期161-164,共4页

针对滚动轴承早期故障冲击信号受到现场噪声的干扰,难以提取周期冲击成分的问题,以及非平稳转速下对故障信号直接进行傅里叶分析会出现频率混叠,无法确定故障特征频率的问题。提出基于角域最大相关峭度反褶积的滚动轴承故障诊断方法。... 针对滚动轴承早期故障冲击信号受到现场噪声的干扰,难以提取周期冲击成分的问题,以及非平稳转速下对故障信号直接进行傅里叶分析会出现频率混叠,无法确定故障特征频率的问题。提出基于角域最大相关峭度反褶积的滚动轴承故障诊断方法。首先对时域非平稳故障信号进行计算阶次跟踪转换为角域内的平稳信号;然后用最大相关峭度反褶积对故障信号进行处理,提取信号中的周期冲击成分。通过对仿真和实验数据的分析,验证了角域最大相关峭度反褶积方法的有效性。 展开更多

关键词 滚动轴承 早期故障诊断 阶次跟踪 最大相关峭度反褶积

在线阅读 下载PDF 职称材料

最大相关峭度反褶积与傅里叶分解方法相结合的滚动轴承故障诊断 被引量：10

5

作者 黄斯琪 郑近德 +2 位作者 潘海洋 童靳于 刘庆运 《机械科学与技术》 CSCD 北大核心 2020年第8期1163-1170,共8页

针对强背景噪声环境下滚动轴承故障特征难以提取的问题,提出一种基于最大相关峭度反褶积(MCKD)与傅里叶分解方法(FDM)相结合的滚动轴承故障诊断方法。首先采用MCKD对振动信号去噪、提取与故障相关的冲击成分;其次,采用FDM对去噪信号进... 针对强背景噪声环境下滚动轴承故障特征难以提取的问题,提出一种基于最大相关峭度反褶积(MCKD)与傅里叶分解方法(FDM)相结合的滚动轴承故障诊断方法。首先采用MCKD对振动信号去噪、提取与故障相关的冲击成分;其次,采用FDM对去噪信号进行分解,得到若干个瞬时频率具有物理意义的傅里叶固有频带函数和一个残余分量之和;第三,依据各个模态与去噪信号的相关性提取包含故障信息的最优模态分量,并对它们进行重构;最后,计算重构信号的包络谱,从谱图中读取故障信息。将所提故障诊断方法应用于滚动轴承故障仿真和实验数据分析,并通过与现有方法进行对比,结果表明,该方法优于所对比的方法。 展开更多

关键词 滚动轴承 傅里叶分解方法 最大相关峭度反褶积 故障诊断

在线阅读 下载PDF 职称材料

自适应最大相关峭度反褶积方法诊断齿轮轴承复合故障 被引量：4

6

作者 吕轩 胡占齐 +1 位作者 周海丽 王强 《农业工程学报》 EI CAS CSCD 北大核心 2019年第12期48-57,共10页

为了解决传统最大相关峭度反褶积(maximum correlated kurtosis deconvolution,MCKD)在故障诊断中容易出现因参数选择不当而影响诊断效果的问题,该文提出了一种基于量子遗传算法(quantum genetic algorithm,QGA)的自适应最大相关峭度反... 为了解决传统最大相关峭度反褶积(maximum correlated kurtosis deconvolution,MCKD)在故障诊断中容易出现因参数选择不当而影响诊断效果的问题,该文提出了一种基于量子遗传算法(quantum genetic algorithm,QGA)的自适应最大相关峭度反褶积方法(maximum correlated kurtosis deconvolution with quantum genetic algorithm,QMCKD)用于齿轮和轴承复合故障诊断。通过量子遗传算法自适应选择最大相关峭度反褶积的2个关键参数滤波器长度(L)和反褶积周期(T)。使用QMCKD处理原始振动信号,提取复合故障信号中的所有单个故障信号,分别对单个故障信号进行频谱分析从而识别故障特征。在对齿面磨损-滚动轴承外圈损伤复合故障诊断中,QMCKD能够识别齿轮故障频率及其2~4倍频,识别轴承故障频率及其2~6倍频,且主要频率成分周围干扰谱线很少,故障类型容易识别。与直接频谱分析和变分模态分解(variational mode decomposition,VMD)相比,该方法在诊断效果上具有优越性。在对齿根裂纹-轴承滚动体损伤复合故障诊断中,QMCKD能够突出齿轮故障频率及其2~5倍频,突出轴承故障频率及其2~8倍频,齿轮和轴承故障特征明显,验证了方法的稳定性。试验结果表明QMCKD能够有效识别复合故障中齿轮和轴承的故障特征,可用于齿轮箱的齿轮、轴承复合故障诊断。 展开更多

关键词 齿轮 轴承 诊断 复合故障 最大相关峭度反褶积 量子遗传算法

在线阅读 下载PDF 职称材料

自适应噪声均值优选集成经验模态分解及其在滚动轴承故障诊断中的应用 被引量：7

7

作者 童靳于 苏缪涎 +3 位作者 郑近德 潘海洋 潘紫微 包家汉 《电子测量与仪器学报》 CSCD 北大核心 2021年第2期41-49,共9页

为了提高自适应噪声完备经验模态分解(complete ensemble empirical mode decomposition with adaptive noise, CEEMDAN)的分解能力和分解精度,解决CEEMDAN方法中噪声残留等问题,提出了一种改进的CEEMDAN方法——自适应噪声均值优选集... 为了提高自适应噪声完备经验模态分解(complete ensemble empirical mode decomposition with adaptive noise, CEEMDAN)的分解能力和分解精度,解决CEEMDAN方法中噪声残留等问题,提出了一种改进的CEEMDAN方法——自适应噪声均值优选集成经验模态分解(mean-optimized ensemble empirical mode decomposition with adaptive noise, MEEMDAN)。MEEMDAN在迭代筛分过程中引入不同的权重,以正交性指标最小为依据,从不同权重下的分解结果中选取最优模态函数(IMF),确保了每一阶的IMF分量都是整体最优。通过仿真分析验证了MEEMDAN方法在分解能力和分解精度方面优于CEEMDAN方法。同时,将MEEMDAN和最大相关峭度反褶积相结合,并应用于滚动轴承仿真数据和实测数据分析,结果表明,与现有方法相比,所提方法能够更为准确地提取出故障特征频率,且在分解能力和抑制干扰频率方面更具有优越性。 展开更多

关键词 自适应噪声完整集成经验模态分解 经验模态分解 最大相关峭度反褶积 滚动轴承 故障诊断

在线阅读 下载PDF 职称材料

ELMD和MCKD在滚动轴承早期故障诊断中的应用 被引量：7

8

作者 王朝阁 庞震 +2 位作者 任学平 孙百祎 王建国 《机械科学与技术》 CSCD 北大核心 2017年第11期1764-1770,共7页

针对滚动轴承早期故障特征信号微弱且受环境噪声影响严重,故障特征信息难以识别的问题,提出了基于总体局部均值分解(Ensemble local mean decomposition,ELMD)和最大相关峭度反褶积(Maximum correlated kurtosis deconvolution,MCKD)的... 针对滚动轴承早期故障特征信号微弱且受环境噪声影响严重,故障特征信息难以识别的问题,提出了基于总体局部均值分解(Ensemble local mean decomposition,ELMD)和最大相关峭度反褶积(Maximum correlated kurtosis deconvolution,MCKD)的早期故障诊断方法。该方法首先运用ELMD对采集到的振动信号进行分解,得到有限个乘积函数(Product function,PF),由于噪声的干扰,从PF分量的频谱中很难对故障做出正确的判断。然后对包含故障特征的PF分量进行最大相关峭度反褶积处理以消除噪声影响,凸现故障特征信息。最后对降噪信号进行Hilbert包络谱分析,即可从中准确地识别出轴承的故障特征频率。通过轴承故障模拟实验和工程应用实例验证了该方法的有效性与优越性。 展开更多

关键词 滚动轴承 总体局部均值分解 最大相关峭度反褶积 Hilbert包络谱 早期故障

在线阅读 下载PDF 职称材料

基于DT-CWT和MCKD的滚动轴承早期故障诊断方法 被引量：6

9

作者 任学平 王朝阁 +1 位作者 张玉皓 汪军 《仪表技术与传感器》 CSCD 北大核心 2016年第5期106-110,共5页

滚动轴承早期故障信号具有非平稳、能量低等特征,为了能够准确、有效地检测出轴承故障,提出了双树复小波(dual-tree complex wavelet transform,DTCWT)和最大相关峭度反褶积(maximum correlated kurtosis deconvolution,MCKD)相结合的... 滚动轴承早期故障信号具有非平稳、能量低等特征,为了能够准确、有效地检测出轴承故障,提出了双树复小波(dual-tree complex wavelet transform,DTCWT)和最大相关峭度反褶积(maximum correlated kurtosis deconvolution,MCKD)相结合的诊断方法。首先运用双树复小波对采集到的振动信号进行分解,再重构单支信号,由于噪声的干扰,从重构后分量的频谱中很难对故障做出正确的判断。然后对包含故障特征的分量进行最大相关峭度反褶积处理以消除噪声成分,凸现故障特征信息。最后对降噪信号求取Hilbert包络谱,便能准确获得故障特征频率。通过信号仿真和实验数据分析验证了该方法的有效性。 展开更多

关键词 轴承故障 最大相关峭度反褶积 Hilbert包络谱 双树复小波

在线阅读 下载PDF 职称材料

基于MCKD-EEMD的滚动轴承微故障特征提取 被引量：15

10

作者 任学平 王朝阁 张玉皓 《机械设计与制造》 北大核心 2016年第8期193-196,200,共5页

在强噪声环境下滚动轴承故障信号非常微弱,特征信息难以识别,为了能够准确、有效地检测出轴承故障,提出了最大相关峭度反褶积(maximum correlated kurtosis deconvolution,MCKD)和总体平均经验模态分解(ensemble empirical mode decompo... 在强噪声环境下滚动轴承故障信号非常微弱,特征信息难以识别,为了能够准确、有效地检测出轴承故障,提出了最大相关峭度反褶积(maximum correlated kurtosis deconvolution,MCKD)和总体平均经验模态分解(ensemble empirical mode decomposition,EEMD)相结合的诊断方法。信噪比较低时EEMD不能很好地提取微弱的信号特征,故先运用MCKD对含有强噪声的轴承振动信号进行降噪预处理。然后对降噪后的信号进行EEMD分解,选取与降噪信号相关系数较大的IMF分量进行信号重构。最后对重构信号进行能量算子解调分析,从包络谱中便能准确获得故障特征频率。通过信号仿真和实验数据处理结果证明了该方法的有效性。 展开更多

关键词 轴承故障 最大相关峭度反褶积 能量算子解调 EEMD分解

在线阅读 下载PDF 职称材料

基于LMD和MCKD的滚动轴承早期故障诊断 被引量：6

11

作者 任学平 李攀 王朝阁 《现代制造工程》 CSCD 北大核心 2018年第9期143-147,160,共6页

滚动轴承故障产生的初期,信号中的冲击成分受到严重的噪声干扰,导致故障信号的周期特征难以提取。针对这一问题,提出基于局部均值分解(LMD)算法和最大相关峭度反褶积(MCKD)算法结合的滚动轴承早期故障诊断方法。首先应用LMD算法对轴承... 滚动轴承故障产生的初期,信号中的冲击成分受到严重的噪声干扰,导致故障信号的周期特征难以提取。针对这一问题,提出基于局部均值分解(LMD)算法和最大相关峭度反褶积(MCKD)算法结合的滚动轴承早期故障诊断方法。首先应用LMD算法对轴承早期故障信号进行自适应分解,选取与原始信号相关系数较大的乘积函数(PF)分量进行重构;然后应用MCKD算法对重构信号进行降噪,突出周期冲击成分;最后对消噪后的信号进行Hilbert包络处理,从包络谱中即可准确地获取故障特征频率。通过对仿真信号和内圈故障实验信号的分析,证明了该方法的有效性。 展开更多

关键词 轴承 早期故障 局部均值分解 最大相关峭度反褶积

在线阅读 下载PDF 职称材料

基于CEEMD与MCKD的滚动轴承早期故障诊断 被引量：1

12

作者 任学平 李攀 乔海懋 《轴承》 北大核心 2018年第8期50-54,共5页

针对滚动轴承早期故障信号中冲击成分能量低,背景噪声干扰严重的问题,提出了基于CEEMD与MCKD的故障诊断方法。首先,应用CEEMD方法对故障振动信号进行分解,依据相关系数准则从分解结果中选取敏感分量;然后,采用MCKD算法对所选取分量信号... 针对滚动轴承早期故障信号中冲击成分能量低,背景噪声干扰严重的问题,提出了基于CEEMD与MCKD的故障诊断方法。首先,应用CEEMD方法对故障振动信号进行分解,依据相关系数准则从分解结果中选取敏感分量;然后,采用MCKD算法对所选取分量信号进行降噪并应用Hilbert算法对降噪后信号进行解调处理,从包络谱中提取故障特征信息;最后,通过仿真信号和轴承试验数据进行诊断分析验证了该方法的有效性。 展开更多

关键词 滚动轴承 早期故障 互补集合经验模态分解 最大相关峭度反褶积

在线阅读 下载PDF 职称材料

基于MED-MOMEDA的风电齿轮箱复合故障特征提取研究 被引量：12

13

作者 王志坚 张纪平 +3 位作者 王俊元 段能全 寇彦飞 吴文轩 《电机与控制学报》 EI CSCD 北大核心 2018年第9期111-118,共8页

强噪环境下,齿轮箱复合故障中的微弱故障特征难以提取,因此提出了基于多点最优最小熵反褶积(MOMEDA)的复合故障提取方法。首先对最小熵反褶积(MED)和最大相关峭度反褶积(MCKD)两种方法进行改进,以多点峭度最大值为目标,对信噪比不同的... 强噪环境下,齿轮箱复合故障中的微弱故障特征难以提取,因此提出了基于多点最优最小熵反褶积(MOMEDA)的复合故障提取方法。首先对最小熵反褶积(MED)和最大相关峭度反褶积(MCKD)两种方法进行改进,以多点峭度最大值为目标,对信噪比不同的仿真信号,通过设置合理的周期区间逐个追踪复合故障的周期成分,验证了此方法降噪性能;然后将MED-MOMEDA应用风电齿轮箱复合故障实验台中,成功提取出复合故障特征;最后用文中所提方法与EEMD对比分析进一步验证了此方法的可行性。 展开更多

关键词 复合故障 最小熵反褶积 最大相关峭度反褶积 最优最小熵反褶积

在线阅读 下载PDF 职称材料

基于粒子群优化MCKD的轴承故障诊断方法 被引量：14

14

作者 栗龙强 刘永强 廖英英 《轴承》 北大核心 2020年第6期45-50,共6页

在实际应用中,传统最大相关峭度反褶积(MCKD)关键参数的选择严重依赖于先验知识,为克服这一缺点,提出了一种基于粒子群算法优化的MCKD方法。首先,对采集的信号进行EEMD处理并重构信号,达到对信号降噪的目的;然后,构造Shannon熵和峭度组... 在实际应用中,传统最大相关峭度反褶积(MCKD)关键参数的选择严重依赖于先验知识,为克服这一缺点,提出了一种基于粒子群算法优化的MCKD方法。首先,对采集的信号进行EEMD处理并重构信号,达到对信号降噪的目的;然后,构造Shannon熵和峭度组成的二维向量,将其作为粒子群算法的适应度函数构建自适应的粒子群惯性参数,并对MCKD的3个主要参数进行优化;最后,采用优化后的MCKD对轴承信号进行分析和诊断。试验分析表明,该方法能够有效地增强故障特征,准确地诊断出滚动轴承的故障信息。 展开更多

关键词 滚动轴承 故障诊断 最大相关峭度反褶积 粒子群算法

在线阅读 下载PDF 职称材料