基于自适应CYCBD和1.5维谱的滚动 轴承故障特征提取方法

作者：朱战伟,何怡刚,宁暑光,等 日期：2022-11-22/span> 浏览：414 查看PDF文档

摘要:在强背景噪声环境下,滚动轴承的故障特征信号难以得到分离,针对这一问题,提出了一种基于自适应最大二阶循环平稳盲卷积(CYCBD)和1.5维谱的滚动轴承故障特征提取方法。首先,对滚动轴承故障振动信号进行了傅里叶变换,得到了其信号的频谱结构,再以加权谐波和为优化指标,将信号频谱范围内的所有频率作为候选频率进行了搜索,确定加权谐波和最大处的频率为最优循环频率;然后,使用经过参数优化后的CYCBD对信号进行了滤波,并结合1.5维谱方法对滤波信号进行了处理;最后,为了进一步验证该方法在提取轴承故障特征方面的有效性,采用包络分析方法对实测信号进行了分析,获得了滤波信号的频谱特征。研究结果表明:经基于自适应CYCBD和1.5维谱方法滤波后,信号的香农熵为0.094,显著低于CYCBD和经验模态分解(EMD)方法;而且在信号的包络谱中,出现了清晰的故障特征频率及其倍频谱线,说明该方法具有较好的噪声抑制能力,并且能够有效地提取轴承振动信号中的故障脉冲成分。

关键词:最大二阶循环平稳盲卷积;谐波加权和;循环频率;包络分析方法;频谱特征;经验模态分解;信号滤波

中图分类号:TH133.33;TH17文献标识码:A文章编号:1001-4551(2022)09-1185-09

本文引用格式：
朱战伟,何怡刚,宁暑光,等.基于自适应CYCBD和1.5维谱的滚动 轴承故障特征提取方法[J].机电工程，2022，39（9）：1185-1193.
ZHU Zhan-wei, HE Yi-gang, NING Shu-guang, et al.Fault features extraction method of rolling bearings based on adaptive  CYCBD and 1.5-dimensional spectrum[J].Journal of Mechanical & Electrical Engineering,2022，39（9）：1185-1193.