基于小波阈值去噪与HHT滚动轴承故障诊断

早期滚动轴承故障较难诊断,且特征模式分解（FMD）输入参数滤波器长度L和模态分量个数n较难准确选择。因此,提出基于鹈鹕优化算法（POA）优化FMD参数的滚动轴承早期故障诊断方法。
该方法以全体峭度的指标作为适应度函数,通过POA优化算法获取FMD优良参数组合,并且结合包络谱分析实现故障诊断。使用该方法对滚动轴承早期故障仿真信号和实验信号进行分析,结果表明：该方法通过优化FMD参数,可以从包络谱中得到故障特征频率及其倍频突出的幅值,进而诊断出滚动轴承早期故障类别;与基于固有时间尺度分解（ITD）和基于最小熵解卷积（MED）方法相比,包络谱中的故障特征频率及其倍频幅值更突出,在滚动轴承早期故障诊断中具有一定的应用前景和价值。