基于ARLMD和IMOMEDA的滚动轴承早期微弱故障诊断

TH133%TG506; 为实现强噪声干扰下滚动轴承早期微弱故障损伤特征的准确识别,提出一种自适应鲁棒局部均值分解(adaptive robust local mean decomposition,ARLMD)和改进多点最优最小熵解卷积(improved multipoint optimal minimum entropy deconvolution adjusted,IMOMEDA)相融合的诊断新方法.首先,利用基于斯皮尔曼相关系数的ARLMD算法对原始信号进行处理,按照线性峭度(L-kurtosis)最大原则筛选出蕴含丰富故障信息的最佳分量,实现原始信号信噪比的有效提升;然后,针对多点最优...

Full description

Saved in:
Bibliographic Details
Published in河南理工大学学报（自然科学版） Vol. 42; no. 1; pp. 102 - 115
Main Authors 唐贵基, 丁傲, 王晓龙, 张晔, 姜超, 李海明
Format Journal Article
LanguageChinese
Published 华北电力大学 能源动力与机械工程学院,河北 保定071003%华北电力大学 能源动力与机械工程学院,河北 保定071003 2023
国网吉林省电力有限公司 长春供电公司,吉林 长春130021%国网吉林省电力有限公司 长春供电公司,吉林 长春130021
Subjects
滚动轴承
鲁棒局部均值分解
余量自相关能量比
解卷积
早期故障
Online AccessGet full text
ISSN1673-9787

Cover

More Information
Summary:TH133%TG506; 为实现强噪声干扰下滚动轴承早期微弱故障损伤特征的准确识别,提出一种自适应鲁棒局部均值分解(adaptive robust local mean decomposition,ARLMD)和改进多点最优最小熵解卷积(improved multipoint optimal minimum entropy deconvolution adjusted,IMOMEDA)相融合的诊断新方法.首先,利用基于斯皮尔曼相关系数的ARLMD算法对原始信号进行处理,按照线性峭度(L-kurtosis)最大原则筛选出蕴含丰富故障信息的最佳分量,实现原始信号信噪比的有效提升;然后,针对多点最优最小熵解卷积(multipoint optimal minimum entropy deconvolution ad?justed,MOMEDA)效果受滤波长度影响较大的特点,提出基于余量自相关能量比(residual auto?correlation energy ratio,RAER)的最优滤波长度选取策略,对最佳分量进行IMOMEDA处理,实现周期性冲击特征强化放大;最后,计算解卷积信号的包络谱,从中提取出特征频率信息.仿真、实验及工程信号分析结果表明,所提方法可有效提取强噪声下的微弱故障特征,实现轴承损伤的精确诊断.
ISSN:1673-9787