| ALIF和MCKD相结合的滚动轴承早期故障诊断 |
| |
| 引用本文： | 陈明,马洁.ALIF和MCKD相结合的滚动轴承早期故障诊断[J].机械科学与技术(西安),2021,40(7):1016-1024. |
| |
| 作者姓名： | 陈明 马洁 |
| |
| 作者单位： | 北京信息科技大学自动化学院,北京100192;北京信息科技大学机电工程学院,北京100192 |
| |
| 摘 要： | 滚动轴承早期故障特征信息十分微弱并夹杂着环境噪声的干扰,使其信噪比极低,造成微弱故障难以提取.针对这一问题,提出了一种基于自适应局部迭代滤波(Adaptive local iterative filter,ALIF)和最大相关峭度解卷积(Maximum correlated kurtosis deconvolution,MCKD)两者相结合的滚动轴承早期故障诊断方法.首先对采集到的振动信号应用ALIF进行分解得到若干个窄带本征模态函数(Intrinsic mode functions,IMFs),根据相关系数-峭度准则筛选出两个较为敏感的IMF分量进行重构降噪;然后对重构降噪后的信号采用MCKD算法增强故障特征中的冲击成分;最后对应用ALIF-MCKD增强后的信号进行包络谱解调分析,提取出故障特征从而判断轴承故障发生位置.
|
| 关 键 词： | 滚动轴承 故障诊断 自适应局部迭代滤波 最大相关峭度解卷积 |
Early Fault Diagnosis of Rolling Bearings Using ALIF-MCKD |
| |
| CHEN Ming,MA Jie.Early Fault Diagnosis of Rolling Bearings Using ALIF-MCKD[J].Mechanical Science and Technology,2021,40(7):1016-1024. |
| |
| Authors: | CHEN Ming MA Jie |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
