振动与冲击2021，Vol.40Issue(1) ：86-94.DOI:10.13465/j.cnki.jvs.2021.01.012

基于参数优化变分模态分解的滚动轴承故障特征提取方法

Fault feature extraction method of rolling bearing based on parameter optimized VMD

郑义 岳建海 焦静 郭鑫源
振动与冲击2021，Vol.40Issue(1) ：86-94.DOI:10.13465/j.cnki.jvs.2021.01.012
✕
  • NETL
  • NSTL
  • 维普
  • 万方数据

基于参数优化变分模态分解的滚动轴承故障特征提取方法

Fault feature extraction method of rolling bearing based on parameter optimized VMD

郑义 1岳建海 1焦静 1郭鑫源1
扫码查看

作者信息

  • 1. 北京交通大学机械与电子控制工程学院车辆工程系,北京100044
  • 折叠

摘要

在滚动轴承早期故障阶段,代表轴承故障特征的冲击成分容易被较强的背景噪声淹没,针对这一问题提出相关峭度(Correlated Kurtosis,CK)优化变分模态分解(Variational Mode Decomposition,VMD)的滚动轴承故障特征提取方法.针对变分模态分解方法参数不确定问题,提出利用以相关峭度为适应度函数的蝗虫优化算法(Grasshopper Optimization Algorithm,GOA)对变分模态分解参数进行自适应选定.针对故障信号经优化变分模态分解处理后模态分量的筛选问题,以相关峭度为指标,挑选具有最大相关峭度指标的模态分量进行包络解调分析,提取轴承信号中的故障特征信息.仿真及实测信号处理结果证明,该方法能在强噪声背景下准确提取滚动轴承故障信号的微弱特征.

关键词

滚动轴承/强噪声/变分模态分解/相关峭度/蝗虫优化算法

引用本文复制引用

基金项目

中国铁路总公司科技研究开发计划课题(2017J004-H)

出版年

2021
振动与冲击
中国振动工程学会 上海交通大学 上海市振动工程学会

振动与冲击

CSTPCDCSCD北大核心
影响因子：0.898
ISSN：1000-3835
被引量36
参考文献量8
段落导航相关论文