自适应MCKD和ALIF的滚动轴承早期故障诊断

自适应MCKD和ALIF的滚动轴承早期故障诊断
袁邦盛;肖涵;易灿灿
【期刊名称】《机械设计与制造》
【年(卷),期】2022()4
【摘要】针对滚动轴承故障信号冲击成分能量往往较低,故障特征频率难以提取以及最大相关峭度反褶积(Maximum Correlation Kurtosis Deconvolution,MCKD)降噪效果受限于滤波器L和位移数M等问题,提出了一种自适应最大相关峭度反褶积和自适应局部迭代滤波(Adaptive Local Iterative Filter,ALIF)的滚动轴承故障特征提取方法。

以排列熵为标准,应用步长搜寻法确定最佳的MCKD滤波器的长度和位移数,对采集的振动信号进行降噪预处理,突出被噪声所淹没的故障冲击;然后应用ALIF算法对降噪后的信号自适应分解为一组固有模态函数(IMF)分量,利用最大峭度准则选取包含故障信息量最大的分量,即敏感分量;最后对敏感分量进行包络谱分析,提取故障特征频率。

仿真和试验分析结果证明了该方法的有效性和准确性。

【总页数】6页(P77-82)
【作者】袁邦盛;肖涵;易灿灿
【作者单位】冶金装备及其控制教育部重点实验室;湖北省机械传动与制造重点实验室
【正文语种】中文
【中图分类】TH16
【相关文献】
1.基于LMD和MCKD的滚动轴承早期故障诊断
2.基于自相关分析与MCKD的滚动轴承早期故障诊断
3.基于优化VMD和MCKD的滚动轴承早期故障诊断方法
4.ALIF和MCKD相结合的滚动轴承早期故障诊断
5.基于参数优化的MCKD的滚动轴承早期故障诊断
因版权原因，仅展示原文概要，查看原文内容请购买。