基于MOMEDA结合软阈值处理的行星轮轴承故障诊断

1

作者 张璇 龚廷恺 +3 位作者 李志农 陈姜一 陈亮清 陈之林 《振动与冲击》 北大核心 2026年第4期286-295,共10页

针对强背景噪声下行星轮轴承故障特征难以提取的问题,提出了一种基于多点最优最小熵卷积调整(multipoint optimal minimum entropy deconvolution adjusted,MOMEDA)结合软阈值处理的故障诊断方法。首先,通过MOMEDA处理故障信号得到多个... 针对强背景噪声下行星轮轴承故障特征难以提取的问题,提出了一种基于多点最优最小熵卷积调整(multipoint optimal minimum entropy deconvolution adjusted,MOMEDA)结合软阈值处理的故障诊断方法。首先,通过MOMEDA处理故障信号得到多个通道的滤波器信号;然后对各通道的信号利用软阈值降噪提取故障脉冲;再利用多点峭度和峰值因子分别选择故障周期T和最优滤波器长度L,完成MOMEDA最优参数的选取;最后以最优参数组合[T,L]下的MOMEDA处理结果进行包络分析,完成故障诊断。仿真分析和试验案例表明该方法能够有效地完成复杂信号的故障特征提取。通过对比分析发现,所提方法选择的参数组合[T,L]是最优的,且该方法相比最大相关峭度解卷积和集合经验模态分解具有更好的特征提取效果。 展开更多

关键词 行星轮轴承 多点最优最小熵卷积调整(momeda) 软阈值 特征提取

在线阅读 下载PDF 职称材料

改进四稳态随机共振系统与MOMEDA结合的轴承故障诊断研究

2

作者 张刚 侯家琛 +1 位作者 黄笑笑 曹子涵 《电子测量与仪器学报》 北大核心 2025年第11期119-132,共14页

致力于解决经典四稳态随机共振系统(CQSR)的输出饱和性问题,构造了一种新型分段非饱和的四稳态随机共振系统(PUQSR)。首先,通过实验信号的模拟仿真验证了PUQSR的抗饱和特性。随后,研究了PUQSR系统的势函数结构变化,根据绝热近似理论,理... 致力于解决经典四稳态随机共振系统(CQSR)的输出饱和性问题,构造了一种新型分段非饱和的四稳态随机共振系统(PUQSR)。首先,通过实验信号的模拟仿真验证了PUQSR的抗饱和特性。随后,研究了PUQSR系统的势函数结构变化,根据绝热近似理论,理论推导出PUQSR系统的稳态概率密度(SPD)和功率谱放大系数(SA),并详细分析了系统参数对其的影响。进一步地,将信噪比增益(SNRI)和SA作为衡量系统性能的指标,数值模拟仿真验证PUQSR系统在放大信号和对噪声能量的转化效率都更优越。同时,为了在强噪声背景下更有效的提取目标信号,联合多点最优最小熵解卷积(MOMEDA)方法与随机共振(SR)系统,提出一种增幅MOMEDA-PUQSR系统。最后,通过自相关谱法和量子遗传算法(QGA)寻找MOMEDAPUQSR系统的最优参数,并应用于实际故障信号。实验结果表明,增幅后的故障信号包络表现出更明显的脉冲特性,相比于原始信号,信噪比(SNR)提升了15.4042~26.0778 dB。同时,相比于MOMEDA-CQSR系统,增幅信号通过MOMEDA-PUQSR系统的输出SNR提升了0.2815~1.4063 dB,谱峰值提升了480.144~4314.1873。 展开更多

关键词 随机共振 多稳态系统 故障特征提取 momeda-PUQSR 滚动轴承 量子遗传算法

原文传递

增强MOMEDA算法及在滚动轴承微弱故障诊断中的应用研究 被引量：1

3

作者 盛嘉玖 陈果 +3 位作者 刘曜宾 贺志远 王浩 尉询楷 《机械科学与技术》 北大核心 2025年第6期921-928,共8页

针对多点最优最小熵解卷积调整(Multipoint optimal minimum entropy deconvolution adjusted,MOMEDA)进行改进,提出一种增强MOMEDA算法,并应用于滚动轴承微弱故障诊断。首先构造一种可反映滤波效果的频域指标,由此发现MOMEDA滤波效果... 针对多点最优最小熵解卷积调整(Multipoint optimal minimum entropy deconvolution adjusted,MOMEDA)进行改进,提出一种增强MOMEDA算法,并应用于滚动轴承微弱故障诊断。首先构造一种可反映滤波效果的频域指标,由此发现MOMEDA滤波效果关键取决于故障周期而非滤波长度;然后提出一种自相关、包络解调和多点峭度(Multipoint Kurtosis,MKurt)相结合确定最优故障周期的方法;采用外机匣测点的滚动轴承故障与正常数据进行验证,结果表明:该方法能有效克服传统MOMEDA算法难于选取故障周期的问题,可自适应地提取出更为显著的故障周期;最后与基于MED的协同诊断方法进行对比,发现MOMEDA重点在确定故障周期,而基于MED的协同诊断方法关键在选择滤波长度,当正确提取故障周期后,MOMEDA滤波效果更优。 展开更多

关键词 滚动轴承 momeda MKurt 故障诊断 特征增强

在线阅读 下载PDF 职称材料

基于ALIF和IMOMEDA的滚动轴承弱故障冲击特征增强提取方法 被引量：2

4

作者 姜鹏立 沈晨 罗洁思 《组合机床与自动化加工技术》 北大核心 2025年第4期133-139,共7页

针对滚动轴承早期故障振动信号中由故障引起的周期性冲击成分能量低且易被强噪声干扰而难以提取的问题,提出了一种基于自适应局部迭代滤波(adaptive local iterative filter, ALIF)和改进多点最优最小熵反褶积(improved multi-point opt... 针对滚动轴承早期故障振动信号中由故障引起的周期性冲击成分能量低且易被强噪声干扰而难以提取的问题,提出了一种基于自适应局部迭代滤波(adaptive local iterative filter, ALIF)和改进多点最优最小熵反褶积(improved multi-point optimal minimum entropy deconvolution adjusted, IMOMEDA)的滚动轴承弱故障冲击特征增强提取方法。该方法首先采用ALIF对原始振动信号进行分解,结合峭度指标实现对原始振动信号的降噪预处理;其次,使用标准粒子群算法自适应确定MOMEDA的故障周期这一关键参数,通过IMOMEDA算法对经ALIF降噪预处理后的信号做解卷积处理来增强提取故障冲击特征;最后,根据增强后的冲击信号的包络谱诊断出滚动轴承的故障类型。仿真和实验结果表明,所提方法能从强背景噪声环境下的滚动轴承振动信号中提取由故障引起的弱周期性冲击成分,从而实现故障诊断。 展开更多

关键词 滚动轴承 故障诊断 特征提取 momeda ALIF

在线阅读 下载PDF 职称材料

基于VMD-MOMEDA-CNN的强背景噪声下矿井提升机主轴轴承故障诊断方法

5

作者 沈佳兴 朱虎 张良露 《电子测量与仪器学报》 北大核心 2025年第12期258-269,共12页

为提高强噪声影响下矿井提升机主轴轴承故障诊断的准确性,提出变分模态分解(VMD)和卷积神经网络(CNN)结合的滚动轴承故障诊断方法。利用融合正余弦和柯西变异的麻雀搜索算法对VMD的惩罚因子和分解层数进行多目标寻优,根据峭度准则将振... 为提高强噪声影响下矿井提升机主轴轴承故障诊断的准确性,提出变分模态分解(VMD)和卷积神经网络(CNN)结合的滚动轴承故障诊断方法。利用融合正余弦和柯西变异的麻雀搜索算法对VMD的惩罚因子和分解层数进行多目标寻优,根据峭度准则将振动信号进行VMD分解得到本征模态函数(IMF)并筛选含有冲击成份的IMF分量,根据筛选结果对原始信号进行信号重构。针对重构信号使用多点最优最小熵解卷积(MOMEDA)降噪处理,对MOMEDA中的关键参数故障周期建立自相关峭度指数作为适应度函数对其进行寻优;对滤波器长度,采用排列熵作为目标函数进行寻优。将MOMEDA算法增强后的信号进行包络解调,将包络幅值序列作为特征量,输入到CNN模型中进行训练以及验证,得到故障诊断结果。并比较分析变分模态分解-最小熵解卷积-卷积神经网络(VMD-MED-CNN)、变分模态分解-最大相关峭度卷积-卷积神经网络(VMD-MCKD-CNN)、VMD-CNN方法。结果表明,提出的VMD-MOMEDA-CNN的故障诊断方法平均准确率最高,达到98%以上。证明了该算法在强背景噪声环境影响下具有优越的准确性和稳定性。 展开更多

关键词 强背景噪声 变分模态分解 多点最优最小熵解卷积 卷积神经网络

原文传递

联合CEF-MOMEDA的风机高速端轴承潜隐性故障敏感信息提取方法

6

作者 蔡敏 张强 +2 位作者 秦波 张海平 罗权毅 《机电工程》 北大核心 2025年第8期1428-1439,共12页

在大数据驱动的MW级半直驱风电机组滚动轴承服役期的状态智能辨识中,针对输入样本“质量差”致使所构建模型识别率低这一问题,提出了一种联合相关能量波动(CEF)评价准则与多点最优最小熵解卷积(MOMEDA)的潜隐性故障敏感信息提取方法。首... 在大数据驱动的MW级半直驱风电机组滚动轴承服役期的状态智能辨识中,针对输入样本“质量差”致使所构建模型识别率低这一问题,提出了一种联合相关能量波动(CEF)评价准则与多点最优最小熵解卷积(MOMEDA)的潜隐性故障敏感信息提取方法。首先,将拾取的振动数据由变分模态分解为若干个表征原数据不同成分的本征模分量;然后,根据上述分量能量的变化,量化、评估所包含的潜隐性故障占比,筛选并提取敏感成分后对故障信号进行了重构;接着,利用多点最优最小熵解卷积对重构后的数据进行了有效成分增强提取;最后,将上述能量波动评价准则与多点最优最小熵解卷积联合提取的敏感信息数据作为深度置信网络(DBN)的输入,构建了滚动轴承状态智能辨识模型,采用现场实验与凯斯西储大学(CWRU)数据集对CEF-MOMEDA的方法进行了验证。研究结果表明:基于CEF-MOMEDA-DBN的模型在风机滚动轴承诊断中的故障识别率更高;在凯斯西储大学数据集上,与集合经验模态分解(EEMD)、局部均值分解(LMD)相比,CEF-MOMEDA方法联合能量波动准则提取敏感信息数据并作为智能辨识模型的输入后,故障识别率分别提高了2.5%和1.25%。该方法能够有效提高故障识别的准确率,具有更强的实用性和泛化性。 展开更多

关键词 MW级半直驱风电机组 滚动轴承故障诊断 敏感成分联合提取 相关能量波动 多点最优最小熵解卷积 深度置信网络 集合经验模态分解 局部均值分解

在线阅读 下载PDF 职称材料

基于MOMEDA和增强倒频谱的风电机组齿轮箱多故障诊断方法 被引量：28

7

作者 胡爱军 严家祥 白泽瑞 《振动与冲击》 EI CSCD 北大核心 2021年第7期268-273,共6页

风电机组齿轮箱结构复杂,当齿轮、轴承存在多故障时,由于各故障强弱不同、故障间相互耦合及噪声干扰,造成故障诊断准确率低及漏诊问题。提出了一种基于多点最优最小熵解卷积(multipoint optimal minimum entropy deconvolution adjusted... 风电机组齿轮箱结构复杂,当齿轮、轴承存在多故障时,由于各故障强弱不同、故障间相互耦合及噪声干扰,造成故障诊断准确率低及漏诊问题。提出了一种基于多点最优最小熵解卷积(multipoint optimal minimum entropy deconvolution adjusted,MOMEDA)和增强倒频谱的风电机组齿轮箱多故障诊断方法。依据齿轮和轴承不同部位的故障特征频率设置合理的解卷积周期,利用MOMEDA对原始信号进行预处理;再通过增强倒频谱进一步抑制噪声干扰和增强故障特征;将增强倒频谱中的突出成分与齿轮箱故障特征频率对比,判断故障类型。实际风电机组齿轮箱多故障振动试验数据分析结果表明,该方法可以有效地提取出齿轮箱多故障特征信息。 展开更多

关键词 齿轮箱 多故障诊断 特征提取 多点最优最小熵解卷积(momeda) 增强倒频谱

在线阅读 下载PDF 职称材料

基于CEEMDAN与PSO-MOMEDA的滚动轴承故障诊断方法 被引量：7

8

作者 郭金泉 吴欣然 钟建华 《组合机床与自动化加工技术》 北大核心 2022年第10期164-168,共5页

针对滚动轴承故障冲击成分易淹没在强噪声中这一问题,提出了一种自适应噪声完备集合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)和粒子群优化的多点最优最小熵解卷积(partical swarm op... 针对滚动轴承故障冲击成分易淹没在强噪声中这一问题,提出了一种自适应噪声完备集合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)和粒子群优化的多点最优最小熵解卷积(partical swarm optimized multipoint optimal minimum entropy deconvolution adjusted,PSO-MOMEDA)相结合的故障诊断方法。由于MOMEDA的重要影响参数故障周期搜索范围T和滤波器长度L依赖人为经验选择,采用粒子群优化算法对这两个参数进行寻优。首先,采用CEEMDAN分解信号,依据峭度-相关系数准则筛选最优分量;其次,使用PSO对MOMEDA进行参数寻优,对最优分量使用MOMEDA进行滤波处理;最后,对滤波后的信号做包络谱分析,提取故障特征信息。通过仿真信号和实验信号分析表明,与单独使用CEEMDAN算法,将MOMEDA方法替换成MCKD方法相比较,该方法能够有效增强噪声中的故障冲击成分,准确提取轴承故障特征频率,准确诊断轴承故障。 展开更多

关键词 故障诊断 滚动轴承 CEEMDAN momeda PSO

在线阅读 下载PDF 职称材料

基于CEEMD和MOMEDA的滚动轴承故障提取 被引量：7

9

作者 于元滐 杨光永 +2 位作者 晏婷 徐天奇 戈一航 《电子测量技术》 北大核心 2021年第22期96-101,共6页

当滚动轴承发生故障时,故障特征信号会夹杂在振动信号中,造成故障特征信号提取效果不理想。针对这一问题,提出了一种互补集成经验模态分解与多点最优最小熵(CEEMD-MOMEDA)的滚动轴承故障提取方法。首先通过CEEMD算法对采集到的振动信号... 当滚动轴承发生故障时,故障特征信号会夹杂在振动信号中,造成故障特征信号提取效果不理想。针对这一问题,提出了一种互补集成经验模态分解与多点最优最小熵(CEEMD-MOMEDA)的滚动轴承故障提取方法。首先通过CEEMD算法对采集到的振动信号进行处理,然后通过峭度准则对非故障冲击成分进行筛除,最后利用MOMEDA算法对重组后的信号进行处理从而抑制噪声的影响,从中提取出故障特征。并与单一的MOMEDA算法进行对比。结果表明,提出的CEEMD-MOMEDA算法故障提取能力、抗干扰能力有较大提升。 展开更多

关键词 滚动轴承 故障提取 CEEMD算法 momeda算法

原文传递

自适应VMD联合MOMEDA的滚动轴承故障提取 被引量：9

10

作者 阮强 王贵勇 +1 位作者 刘韬 王廷轩 《电子测量技术》 北大核心 2022年第1期165-171,共7页

针对强背景噪声下滚动轴承微弱故障特征提取问题,提出了一种基于参数自适应优化变分模态分解(VMD)与多点最优最小熵解卷积(MOMEDA)相结合的轴承故障特征提取方法。首先对滚动轴承时域振动信号进行VMD分解,然后基于自相关函数脉冲谐波噪... 针对强背景噪声下滚动轴承微弱故障特征提取问题,提出了一种基于参数自适应优化变分模态分解(VMD)与多点最优最小熵解卷积(MOMEDA)相结合的轴承故障特征提取方法。首先对滚动轴承时域振动信号进行VMD分解,然后基于自相关函数脉冲谐波噪声比指标(AIHN)最大化原则进行挑选得到最佳模态分量(BIMF)并对其进行MOMEDA滤波,包络解调后得到故障特征频率,最后将本文所提方法体应用于数值仿真信号上可以明显观察到故障特征频率131.1 Hz,应用于实际轴承故障信号可以有效识别轴承故障特征频率294.5 Hz,与原始包络谱提取的311 Hz以及MCKD提取的320 Hz相比更加接近理论故障特征频率294 Hz。 展开更多

关键词 轴承故障诊断 VMD算法 momeda算法 自相关函数脉冲谐波噪声比指标算法 参数优化

原文传递

基于自适应MOMEDA与VMD的滚动轴承早期故障特征提取 被引量：17

11

作者 刘岩 伍星 +1 位作者 刘韬 陈庆 《振动与冲击》 EI CSCD 北大核心 2019年第23期219-229,共11页

轴承故障衍生早期,由于故障尺寸较小且易受环境噪声和信号衰减的影响,因此故障冲击信号往往非常微弱。变分模态分解(Variational Mode Decomposition,VMD)已经在轴承的故障特征提取中有一定的应用,但对于背景噪声较强时的滚动轴承的微... 轴承故障衍生早期,由于故障尺寸较小且易受环境噪声和信号衰减的影响,因此故障冲击信号往往非常微弱。变分模态分解(Variational Mode Decomposition,VMD)已经在轴承的故障特征提取中有一定的应用,但对于背景噪声较强时的滚动轴承的微弱故障提取效果并不理想。针对这一问题,将改进多点优化最小熵解卷积(Multipoint Optimal Minimum Entropy Deconvolution Adjusted,MOMEDA)与VMD相结合,研究了滤波器长度对MOMEDA效果的影响,提出基于进退法确定最优滤波器长度的自适应MOMEDA方法。利用自适应MOMEDA对信号降噪并避免传统MED迭代以及滤波后可能出现的虚假峰值。将自适应MOMEDA降噪后的信号使用VMD进行分解,然后依据谱峭度大小进行重构,对重构之后的信号进行故障特征提取,取得了较好的效果。最后通过实验验证了方法的可行性及有效性。 展开更多

关键词 多点优化最小熵解卷积 变分模态分解 谱峭度 滚动轴承早期故障 进退法

在线阅读 下载PDF 职称材料

基于MOMEDA与Teager能量算子的滚动轴承故障诊断 被引量：48

12

作者 祝小彦 王永杰 《振动与冲击》 EI CSCD 北大核心 2018年第6期104-110,123,共8页

滚动轴承早期故障信号中原始冲击成分容易被强噪声淹没,故障特征提取难度较大。针对这一问题,提出了多点最优调整的最小熵解卷积(MOMEDA)与Teager能量算子相结合的滚动轴承故障诊断方法。利用MOMEDA算法对原始故障信号进行滤波处理,通过... 滚动轴承早期故障信号中原始冲击成分容易被强噪声淹没,故障特征提取难度较大。针对这一问题,提出了多点最优调整的最小熵解卷积(MOMEDA)与Teager能量算子相结合的滚动轴承故障诊断方法。利用MOMEDA算法对原始故障信号进行滤波处理,通过Teager能量算子增强解卷积信号中的冲击特征,对信号进行包络分析。通过对比包络谱中的主导频率与滚动轴承的故障特征频率判断故障位置,实现轴承的故障诊断。仿真数据与试验数据分析结果表明,该方法能够有效提取故障信号中的特征信息,具有一定的实用性。 展开更多

关键词 momeda Teager 故障诊断 滚动轴承 特征提取

在线阅读 下载PDF 职称材料

基于改进信息图与MOMEDA的滚动轴承故障特征提取 被引量：13

13

作者 夏均忠 于明奇 +2 位作者 白云川 刘鲲鹏 吕麒鹏 《振动与冲击》 EI CSCD 北大核心 2019年第4期26-32,共7页

为解决最大相关峭度解卷积存在的故障周期需要预先设置等问题,提出多点优化最小熵解卷积修正(MOMEDA)用于增强轴承故障信号,并应用改进信息图降低噪声对其多点峭度谱的干扰。通过引入轴承故障与正常状态下谱负熵的比值关系,优化信息图... 为解决最大相关峭度解卷积存在的故障周期需要预先设置等问题,提出多点优化最小熵解卷积修正(MOMEDA)用于增强轴承故障信号,并应用改进信息图降低噪声对其多点峭度谱的干扰。通过引入轴承故障与正常状态下谱负熵的比值关系,优化信息图中平均谱负熵算法,提出基于滤波器组的改进信息图方法;构建带通滤波器进行滤波降噪,并通过MOMEDA多点峭度谱识别故障周期;应用MOMEDA增强滤波信号中的故障周期性脉冲成分,并通过平方包络谱提取微弱故障特征。试验表明,较之信息图等方法,改进信息图的降噪效果较突出,可有效提高故障周期的识别度,实现MOMEDA自适应增强故障信号。 展开更多

关键词 滚动轴承 特征提取 信息图 改进信息图 多点优化最小熵解卷积修正(momeda)

在线阅读 下载PDF 职称材料

基于MOMEDA与双谱分析的滚动轴承早期故障诊断 被引量：6

14

作者 袁洪芳 穆坤 +1 位作者 马若桐 王华庆 《测控技术》 2019年第8期61-64,68,共5页

滚动轴承早期故障阶段,故障特征微弱且环境噪声干扰严重,采集数据包含大量噪声信息,传统的包络谱分析难以提取故障特征信息。双谱分析理论上可以抑制高斯噪声,但很难从强背景噪声下提取出微弱故障特征。而多点最优调整的最小熵解卷积(Mu... 滚动轴承早期故障阶段,故障特征微弱且环境噪声干扰严重,采集数据包含大量噪声信息,传统的包络谱分析难以提取故障特征信息。双谱分析理论上可以抑制高斯噪声,但很难从强背景噪声下提取出微弱故障特征。而多点最优调整的最小熵解卷积(Multipoint Optimal Minimum Entropy Deconvolution Adjusted,MOMEDA)方法能增强信号中的冲击特征,但其效果和故障信号周期区间等参数有关。利用MOMEDA与双谱分析进行信号处理,将提取到的信号高阶谱特征作为滚动轴承早期故障分类依据。利用MOMEDA方法对采集信号进行滤波处理,提取出有冲击特征的时域信号;对特征增强的信号进行双谱分析,从高阶谱中提取故障特征。经过仿真信号分析和实际轴承故障信号验证,该方法能有效地提取出滚动轴承早期故障特征,实现故障诊断。 展开更多

关键词 多点最优调整最小熵解卷积 双谱分析 故障特征提取 强噪声环境

在线阅读 下载PDF 职称材料

MOMEDA结合数学形态滤波的齿轮故障特征提取 被引量：4

15

作者 赵修平 齐嘉兴 +1 位作者 崔伟成 曾庆松 《机械科学与技术》 CSCD 北大核心 2020年第2期247-252,共6页

为了实现齿轮故障特征的有效提取,针对齿轮早期故障振动信号非线性、非平稳且信噪比低的特点,提出了一种基于多点最优最小熵反卷积(MOMEDA)和数学形态滤波的齿轮故障特征提取方法。首先利用MOMEDA恢复信号中的周期性故障特征并实现信号... 为了实现齿轮故障特征的有效提取,针对齿轮早期故障振动信号非线性、非平稳且信噪比低的特点,提出了一种基于多点最优最小熵反卷积(MOMEDA)和数学形态滤波的齿轮故障特征提取方法。首先利用MOMEDA恢复信号中的周期性故障特征并实现信号的降噪,再运用形态差值滤波器对解卷积后的信号进行滤波以增强信号中的冲击特征,最后对滤波结果求取频谱以进行故障特征提取;通过对仿真结果和实验数据的分析验证了该方法的可行性和有效性。结果表明,该方法具有抑制噪声和提取周期性故障冲击特征的能力,能够实现齿轮故障特征的提取。 展开更多

关键词 momeda 数学形态滤波 齿轮故障 特征提取

在线阅读 下载PDF 职称材料

基于MOMEDA和极坐标时频特征级联增强的轴承早期特征提取 被引量：3

16

作者 张志强 梅检民 +2 位作者 赵慧敏 常春 沈虹 《振动与冲击》 EI CSCD 北大核心 2020年第19期168-173,共6页

针对变速器轴承早期故障特征微弱、并发故障特征耦合的问题,提出一种基于MOMEDA和极坐标时频特征级联增强(CEMP)方法,对轴承早期单一和并发微弱故障特征进行提取。计算振动信号的Teager能量算子,对冲击成分能量进行一级增强;运用多点最... 针对变速器轴承早期故障特征微弱、并发故障特征耦合的问题,提出一种基于MOMEDA和极坐标时频特征级联增强(CEMP)方法,对轴承早期单一和并发微弱故障特征进行提取。计算振动信号的Teager能量算子,对冲击成分能量进行一级增强;运用多点最优最小熵反褶积修正(MOMEDA)对信号故障特征周期的冲击信息进行二级增强;采用同步压缩小波时频分析(SWT),并将SWT系数循环映射到极坐标图上,在角域上三级增强故障特征周期的冲击成分。对正常、外圈故障、内圈故障、并发故障四种工况轴承实测信号进行CEMP分析,并进行有效性验证,结果表明:该方法能高识别率提取轴承早期单一故障和并发故障的微弱特征。 展开更多

关键词 轴承早期故障 momeda 极坐标 Teager 特征提取

在线阅读 下载PDF 职称材料

应用CEEMD降噪与自适应MOMEDA的轴承故障特征提取方法 被引量：8

17

作者 宋宇博 张宇飞 《中国测试》 CAS 北大核心 2024年第2期180-188,共9页

针对滚动轴承早期故障信号中冲击成分能量低且易被强烈的背景噪声所淹没的问题,该文提出一种基于互补集合经验模态分解(complete ensemble empirical mode decomposition,CEEMD)-小波阈值降噪和参数自适应多点最优最小熵解卷积(multipoi... 针对滚动轴承早期故障信号中冲击成分能量低且易被强烈的背景噪声所淹没的问题,该文提出一种基于互补集合经验模态分解(complete ensemble empirical mode decomposition,CEEMD)-小波阈值降噪和参数自适应多点最优最小熵解卷积(multipoint optimal minimum entropy deconvolution adjusted,MOMEDA)的滚动轴承故障特征提取方法。将CEEMD与小波阈值降噪结合对原始信号进行降噪;提出一种新的复合指标:峭度-包络波形因子,并以其为适应度函数设计变步长搜索法,对MOMEDA算法的滤波器长度进行寻优;基于寻优的滤波器长度对降噪的信号进行MOMEDA解卷积,并通过包络谱分析识别滚动轴承的故障特征频率。对比实验结果表明:以该文寻找的最优滤波器长度作为MOMEDA的参数,解卷积后包络谱故障频率更加清晰;且相较于传统的MOMEDA算法和小波阈值降噪-MOMEDA方法,该文提出的方法能够更有效地提取强噪声背景下微弱的故障特征信息。 展开更多

关键词 滚动轴承 故障诊断 多点最优最小熵解卷积 互补集合经验模态分解 小波阈值降噪

在线阅读 下载PDF 职称材料

基于ASSD-MOMEDA-FWEO相结合的滚动轴承故障诊断 被引量：6

18

作者 唐贵基 丁傲 +1 位作者 王晓龙 张晔 《自动化仪表》 CAS 2021年第12期8-14,共7页

针对滚动轴承微弱故障信号的非线性、非平稳、易被强背景噪声掩盖的特点,提出一种自适应奇异谱分解(ASSD)、多点优化最小熵解卷积(MOMEDA)与频率加权能量算子(FWEO)相融合的微弱故障诊断方法。首先,利用ASSD算法对原始信号进行处理,采... 针对滚动轴承微弱故障信号的非线性、非平稳、易被强背景噪声掩盖的特点,提出一种自适应奇异谱分解(ASSD)、多点优化最小熵解卷积(MOMEDA)与频率加权能量算子(FWEO)相融合的微弱故障诊断方法。首先,利用ASSD算法对原始信号进行处理,采用合成峭度与斯皮尔曼等级相关系数(SRCC)作为联合判据,自适应确定奇异谱分量个数后,根据合成峭度最大原则筛选出最佳奇异谱分量。然后,利用MOMEDA算法对最佳奇异谱分量作进一步解卷积处理,实现故障特征强化放大。最后,通过FWEO算法获取解卷积信号的瞬时能量信号,并通过傅里叶变换(FFT)得到瞬时能量谱,从中拾取出故障特征信息。仿真和试验信号分析结果表明,所述方法可有效提取强噪声下微弱故障特征,实现轴承故障精确诊断。 展开更多

关键词 滚动轴承 故障诊断 自适应奇异谱分解 多点优化最小熵解卷积 频率加权能量算子

在线阅读 下载PDF 职称材料

基于ITD-SVD和MOMEDA的故障特征提取方法 被引量：2

19

作者 杨静宗 杨天晴 吴丽玫 《工业工程》 北大核心 2021年第6期48-56,共9页

为提高滚动轴承故障诊断的准确性,提出一种基于固有时间尺度分解(ITD)、奇异值分解(SVD)和多点最优最小熵反褶积(MOMEDA)相结合的故障特征提取方法。首先,采用ITD分解故障振动信号,并构建基于峭度和相关系数的组合权重指标筛选准则,从... 为提高滚动轴承故障诊断的准确性,提出一种基于固有时间尺度分解(ITD)、奇异值分解(SVD)和多点最优最小熵反褶积(MOMEDA)相结合的故障特征提取方法。首先,采用ITD分解故障振动信号,并构建基于峭度和相关系数的组合权重指标筛选准则,从而完成分量信号的筛选与重构。其次,对其进行SVD滤波降噪。最后,利用MOMEDA提取降噪后信号中的周期性冲击成分,并通过Hilbert包络谱分析得到诊断结果。经过实验数据分析,结果表明所提出的方法不仅能滤除噪声干扰,增强故障特征信息,而且能准确提取出故障特征。 展开更多

关键词 固有时间尺度分解 奇异值分解(SVD) 多点最优最小熵反褶积(momeda) 故障特征提取

在线阅读 下载PDF 职称材料

基于格点搜索法的MOMEDA在滚动轴承故障特征提取中的应用 被引量：5

20

作者 于明奇 夏均忠 +2 位作者 白云川 吕麒鹏 刘鲲鹏 《军事交通学院学报》 2018年第3期50-55,共6页

针对背景噪声下故障轴承产生的周期性脉冲特征微弱难以提取问题,提出多点优化最小熵解卷积修正(MOMEDA)方法,并利用格点搜索法解决其滤波器设置需人工干预问题。首先以频域谱负熵为寻优目标,利用格点搜索法迭代求解MOMEDA滤波器最优阶数... 针对背景噪声下故障轴承产生的周期性脉冲特征微弱难以提取问题,提出多点优化最小熵解卷积修正(MOMEDA)方法,并利用格点搜索法解决其滤波器设置需人工干预问题。首先以频域谱负熵为寻优目标,利用格点搜索法迭代求解MOMEDA滤波器最优阶数;其次应用该参数寻优方法下的MOMEDA对仿真信号和轴承内圈故障信号中的周期性脉冲成分进行增强,并通过平方包络谱提取微弱故障特征;然后应用受试者工作特征(ROC)曲线评估该方法的灵敏性和特异性。该方法可有效增强故障脉冲成分,且具有良好的灵敏性和特异性。 展开更多

关键词 滚动轴承 故障特征提取 谱负熵 多点优化最小熵解卷积修正(momeda) ROC曲线

在线阅读 下载PDF 职称材料