基于SCSSA-VMD-MCKD的轴承早期微弱故障异常检测方法

作者：陈立海,谭奥,贺永辉,等. 日期：2024-12-24/span> 浏览：197 查看PDF文档

摘要:针对滚动轴承在强噪声干扰下早期微弱故障不易被检测的问题,提出了一种基于结合正余弦和柯西变异的麻雀智能搜索算法优化变分模态分解与最大相关峭度解卷积（SCSSAVMDMCKD）的轴承早期微弱故障异常检测方法。首先,采用结合正余弦和柯西变异的麻雀智能搜索算法(SCSSA)优化了VMD参数α和K,进而对轴承故障信号进行了自适应分解,根据加权包络谱峰值因子指标(WEPF)筛选有效模态分量,并重构得到了重构信号;然后,采用SCSSA优化了MCKD参数T、L和M,并用优化后的MCKD方法增强了重构信号故障冲击成分;最后,对经MCKD增强后的重构信号进行了包络谱分析,提取到了轴承故障特征频率及倍频;利用轴承故障仿真信号和试验信号对该故障异常检测方法进行了验证分析。研究结果表明：该检测方法能够有效降噪并自适应增强故障冲击成分,相较于经SCSSAVMD分解并重构的信号,故障仿真信号和实测试验信号信噪比分别提升了102.6%和81.3%,均方根误差分别降低了26.7%和33.3%;轴承内外圈故障特征频率及倍频幅值更为突出,能够实现强噪声背景下滚动轴承早期微弱故障异常检测目的,与SSA-VMD-MCKD方法相比,更能突显该方法的优越性。

关键词:滚动轴承;故障诊断;故障冲击成分增强;结合正余弦和柯西变异的麻雀智能搜索算法;变分模态分解;最大相关峭度解卷积

中图分类号:TH133.33文献标识码:A文章编号:1001-4551(2024)12-2129-13


本文引用格式:

陈立海,谭奥,贺永辉,等.基于SCSSA-VMD-MCKD的轴承早期微弱故障异常检测方法［J］.机电工程,2024,41(12):2129-2141.

CHEN Lihai, TAN Ao, HE Yonghui, et al. Early weak fault anomaly detection of bearing based on SCSSA-VMD-MCKD［J］.Journal of Mechanical & Electrical Engineering, 2024,41(12):2129-2141.