基于MOBWO-MCKD的风机滚动轴承故障特征提取方法

基于MOBWO-MCKD的风机滚动轴承故障特征提取方法
霍忠堂;高建松;张丁丁
【期刊名称】《机电工程》
【年(卷),期】2024(41)1
【摘要】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。

【总页数】7页(P123-129)
【作者】霍忠堂;高建松;张丁丁
【作者单位】邯郸学院机电学院
【正文语种】中文
【中图分类】TH133.33
【相关文献】
1.基于VMD和奇异值能量差分谱的风机滚动轴承故障特征提取方法
2.一种基于改进VMD和UMAP的滚动轴承故障特征提取方法
3.基于静电监测和稀疏表示的滚动轴承故障特征提取方法研究
4.基于多惩罚因子优化VMD的滚动轴承故障特征提取方法
5.基于IVMD算法的动车组滚动轴承故障特征提取方法研究
因版权原因，仅展示原文概要，查看原文内容请购买。