基于參數自適應的RSSD-CYCBD及在軸承外圈故障特征提取中的應用

作者：劉暉,姚德臣,楊建偉,等. 日期：2024-05-24/span> 瀏覽：758 查看PDF文檔

摘要:針對滾動軸承工作環境復雜、故障特征信號易被高強度噪聲掩蓋的問題,提出了基于參數自適應的共振稀疏分解(RSSD)和最大二階循環平穩盲解卷積(CYCBD)的滾動軸承故障診斷方法。首先,利用人工大猩猩部隊優化算法(GTO),結合相關系數與相關峭度的融合指標,自適應選擇RSSD分解參數,得到了仿真信號的最優低共振分量;然后,利用GTO結合包絡熵,自適應選擇CYCBD的循環頻率和濾波器長度,對最優低共振分量進行了解卷積運算,從包絡譜中獲得了信號的故障特征頻率;最后,利用美國凱斯西儲大學試驗臺和MFSMG機械故障綜合模擬試驗臺數據,綜合驗證了該方法的有效性,并將試驗結果與RSSDMCKD方法的結果進行了對比。研究結果表明,該方法能夠準確地得到仿真信號的故障頻率為20Hz、美國凱斯西儲大學試驗臺近似故障頻率為107.5Hz、MFSMG試驗臺近似故障頻率為87.6Hz。自適應RSSDCYCBD方法能夠有效地識別出故障特征頻率及其倍頻,實現滾動軸承故障診斷的目的。

關鍵詞:滾動軸承;故障診斷;共振稀疏分解;最大二階循環平穩盲反卷積;人工大猩猩部隊優化算法;包絡熵;高強度噪聲

中圖分類號:TH133.33文獻標識碼:A文章編號:1001-4551(2024)05-0836-09

本文引用格式:

劉暉,姚德臣,楊建偉,等.基于參數自適應的RSSD-CYCBD及在軸承外圈故障特征提取中的應用［J］.機電工程,2024,41(5):836-844.

LIU Hui, YAO Dechen, YANG Jianwei, et al. RSSD-CYCBD based on parameter adaptation and its application in feature extraction of bearing outer ring faults［J］.Journal of Mechanical & Electrical Engineering, 2024,41(5):836-844.