基于WOA-VMD联合MOMEDA的轴承外圈故障特征提取方法 |
| |
引用本文: | 王莹莹,陈志刚,王衍学.基于WOA-VMD联合MOMEDA的轴承外圈故障特征提取方法[J].机电工程,2023(11):1655-1663. |
| |
作者姓名: | 王莹莹 陈志刚 王衍学 |
| |
作者单位: | 1. 北京建筑大学机电与车辆工程学院;2. 北京市建筑安全监测工程技术研究中心 |
| |
基金项目: | 国家自然科学基金资助项目(51875032); |
| |
摘 要: | 滚动轴承工作环境较为复杂,在复杂的环境因素影响下,其故障特征信号容易受到噪声的影响,导致其难以被识别。针对这一问题,提出了一种基于鲸鱼优化算法(WOA)的变分模态分解(VMD)联合多点最优最小熵解卷积(MOMEDA)的滚动轴承外圈故障特征提取方法。首先,利用变分模态分解(VMD)对仿真信号进行了分解,使用鲸鱼优化算法(WOA)确定了最佳分解层数以及各分量的样本熵;然后,以样本熵最小值为目标寻优,得出了包含故障信号的最佳分量,对得到的最佳分量进行了MOMEDA重构,从重构信号的包络谱中获得了仿真信号故障特征频率及其倍频;最后,为了验证WOA-VMD联合MOMEDA的有效性,在实验台上采集数据,对滚动轴承的外圈故障信号进行了特征提取。实验结果表明:使用该方法可以高效地进行信号的分解寻优,能较为准确地得到仿真信号的故障频率(100 Hz)和实验台提取信号的近似故障频率(87.5 Hz),验证了该方法的有效性。研究结果表明:低信噪比的工况条件下,采用WOA-VMD联合MOMEDA的方法可以有效地提取滚动轴承的故障特征信号,并能从重构信号中提取故障特征频率。
|
关 键 词: | 故障信号分解 故障信号重构 鲸鱼优化算法 变分模态分解 样本熵 多点最优最小熵解卷积 故障特征频率 |
|