-
题名基于ACMD与改进MOMEDA的滚动轴承故障诊断
被引量：2
- 1
-
-
作者
石佳
黄宇峰
王锋
-
机构
西南交通大学轨道交通运载系统全国重点实验室
-
出处
《振动与冲击》
EI
CSCD
北大核心
2023年第16期218-226,261,共10页
-
基金
国家自然科学基金(51875481)
四川省自然科学基金(2023NSFSC0370)。
-
文摘
针对强背景噪声下滚动轴承故障特征难以提取的问题,提出基于自适应非线性调频分量分解(adaptive chirp mode decomposition,ACMD)与改进多点优化最小熵解卷积(improved multipoint optimal minimum entropy deconvolution adjusted,IMOMEDA)的故障诊断方法。(1)为提高信号信噪比,采用基于基尼系数指标的ACMD,进行信号重构预处理;(2)为提高参数设定的准确性,提出改进的MOMEDA方法——利用天鹰优化算法,以多点峭度最大为目标,寻优确定滤波器周期参数;(3)对信号进行包络谱分析,通过对比包络谱的主导频率成分与理论故障特征频率,判断故障类型。仿真及实测数据分析结果表明,该方法能有效提取强背景噪声下的滚动轴承故障信号的特征信息,具备一定的优越性与实用性。
-
关键词
自适应非线性调频分量分解(acmd)
基尼系数
天鹰优化算法
多点最优调整最小熵解卷积
滚动轴承
故障诊断
-
Keywords
adaptive chirp mode decomposition(acmd)
Gini index
aquila optimizer
multipoint optimal minimum entropy deconvolution adjusted
rolling bearing
fault diagnosis
-
分类号
TH212
[机械工程—机械制造及自动化]
TH213.3
-
