| 基于 MPDE-EEMD 及自适应共振解调的轴承故障特征提取方法 |
| |
| 引用本文： | 施 杰,伍 星,刘 韬.基于 MPDE-EEMD 及自适应共振解调的轴承故障特征提取方法[J].电子测量与仪器学报,2020,34(9):47-54. |
| |
| 作者姓名： | 施 杰 伍 星 刘 韬 |
| |
| 作者单位： | 1. 昆明理工大学 机电工程学院，2. 云南农业大学 机电工程学院 |
| |
| 基金项目： | 国家自然科学基金面上项目(51875272)、云南省应用基础研究计划重点项目(201601PE00008)、云南农业大学自然科学青年基金(2015ZR13)、云南省教育厅科学研究基金(2019J0175)资助项目 |
| |
| 摘 要： | 针对滚动轴承振动信号具有非线性、非平稳性和非高斯性,并且故障特征往往淹没于系统噪声之中而难于识别的问题,
提出了以多种群差分进化(multiple population differential evolution, MPDE) 算法来改进集合经验模式分解( ensemble empirical
mode decomposition, EEMD) 的 MPDE-EEMD 消噪方法,并与自适应共振解调技术( adaptive resonance demodulation technique,
ARDT)相结合实现故障特征提取。 首先,为了解决 EEMD 中加入参数依靠人工选择且难以准确获取的问题,建立极值点分布
特性评价函数,利用 MPDE 来寻优获取最佳白噪声幅值,实现 EEMD 自适应分解。 然后,采用峭度与相关性相结合的准则对分
解后的 IMF 分量进行自动筛选,将满足条件的有效信号进行重构,实现对原始振动信号的降噪处理。 最后,采用 ARDT 自动确
定对消噪信号进行带通滤波的带宽和中心频率,再通过包络解调提取出滤波信号的特征频率。 将轴承仿真故障信号与实际故
障信号用于算法的验证,结果表明 MPDE-EEMD+ARDT 能有效提取出轴承故障特征。
|
| 关 键 词： | 故障诊断 滚动轴承 多种群差分进化 集合经验模式分解 自适应共振解调 |
Method of bearing fault feature extraction based on MPDE-EEMD and adaptive resonance demodulation technique |
| |
| Shi Jie,Wu Xing,Liu Tao.Method of bearing fault feature extraction based on MPDE-EEMD and adaptive resonance demodulation technique[J].Journal of Electronic Measurement and Instrument,2020,34(9):47-54. |
| |
| Authors: | Shi Jie Wu Xing Liu Tao |
| |
| Affiliation: | 1. Faculty of Mechanical and Electrical Engineering, Kunming University of Science and Technology,2. Faculty of Mechanical and Electrical Engineering, Yunnan Agriculture University |
| |
| Abstract: | |
| |
| Keywords: | fault diagnosis rolling bearing multiple population differential evolution ensemble empirical mode decomposition adaptive resonance demodulation technique |
|
| 点击此处可从《电子测量与仪器学报》浏览原始摘要信息 |
|
点击此处可从《电子测量与仪器学报》下载全文 |
|
