针对电机轴承微弱故障识别困难这一问题,提出了优化最大相关峭度解卷积(optimized maximum correlated kurtosis deconvolution,OMCKD)结合自互补Top-Hat变换的诊断方法。为解决MCKD关键影响参数难以设置的问题,提出利用人工鱼群算法(ar...针对电机轴承微弱故障识别困难这一问题,提出了优化最大相关峭度解卷积(optimized maximum correlated kurtosis deconvolution,OMCKD)结合自互补Top-Hat变换的诊断方法。为解决MCKD关键影响参数难以设置的问题,提出利用人工鱼群算法(artificial fish swarm algorithm,AFSA)并行搜索MCKD参数全局最优解,实现关键影响参数的自动优化调节。首先利用OMCKD方法对原始信号进行预处理,提取被噪声所掩盖的微弱特征信息,继而对解卷积信号做自互补Top-Hat变换处理,进一步抑制背景噪声干扰,强化周期性冲击特征。最后对所得结果做频谱分析,并通过分析谱图中幅值突出的频率成分判定轴承的状态。两组实测信号分析结果表明所述方法可有效用于电机轴承故障诊断,具有一定可靠性及优越性。展开更多
文摘针对电机轴承微弱故障识别困难这一问题,提出了优化最大相关峭度解卷积(optimized maximum correlated kurtosis deconvolution,OMCKD)结合自互补Top-Hat变换的诊断方法。为解决MCKD关键影响参数难以设置的问题,提出利用人工鱼群算法(artificial fish swarm algorithm,AFSA)并行搜索MCKD参数全局最优解,实现关键影响参数的自动优化调节。首先利用OMCKD方法对原始信号进行预处理,提取被噪声所掩盖的微弱特征信息,继而对解卷积信号做自互补Top-Hat变换处理,进一步抑制背景噪声干扰,强化周期性冲击特征。最后对所得结果做频谱分析,并通过分析谱图中幅值突出的频率成分判定轴承的状态。两组实测信号分析结果表明所述方法可有效用于电机轴承故障诊断,具有一定可靠性及优越性。
