摘要
滚动轴承处于早期故障阶段时冲击特征微弱且背景噪声强,故障特征成分通常难以提取,导致早期故障检测困难。提出一种基于变分模态分解(VMD)与最大相关峭度解卷积(MCKD)联合降噪的滚动轴承故障特征增强新方法。首先利用VMD算法将采集的轴承振动信号分解成若干个窄带本征模态分量(IMF),再通过相关峭度准则选择若干故障信息含量丰富的本征模态分量进行信号重构,达到初步去噪的目的;其次利用最大相关峭度解卷积对重构信号进行带内降噪,突出滚动轴承故障冲击成分,进一步提高信噪比;最后结合1.5维能量谱增强信号瞬时冲击特征的优点,准确实现滚动轴承故障模式的识别。仿真信号与实测信号分析结果表明,该方法可以有效的剔除噪声对故障振动信号的影响,能够清晰地提取出滚动轴承早期故障信号中的故障特征频率成分,实现滚动轴承早期故障的有效判别。
作者
张龙
吴佳敏
邹友军
徐天鹏
ZHANG Long;WU Jia-min;ZOU You-jun;XU Tian-peng
出处
《制造业自动化》
CSCD
2020年第10期30-37,共8页
Manufacturing Automation
基金
国家自然科学基金资助项目(51665013,51205130)
江西省自然科学基金项目(20161BAB216134,20171BAB206028,20152ACB21020)
江西省青年科学基金(20171BAB216030)
江西省研究生创新专项资金项目(YC2018-S248)。
