谐波特征模式分解方法在轴承故障诊断中的应用

分解方法是处理机械信号多成分分离最有效的手段。然而，现有的分解方法并非以典型的机械故障特征作为分解目标，且分解模式的提取难以做到自适应滤波，因此面对复杂信号的成分分离与特征提取效果差，难以满足诊断需求。针对此，提出谐波特征模式分解方法 (Harmonicfeaturemodedecomposition,HFMD)，选择信号周期性强度评价指标谐噪比(Harmonics-to-noiseratio,HNR)作为分解目标，借助有限冲激响应(Finiteimpulseresponse,FIR)滤波器系数更新机制实现分解模式提取过程中的自适应滤波。首先，借助基于树状结构的频带划分方式初始化滤波器组。在此基础上，以HNR作为分解目标求解最优滤波器系数。进一步，利用相关系数评价、比较进而筛选冗余模式。最后，通过设定分解模式数量作为收敛准则，实现复杂信号中周期性特征的提取与谐波信号成分的分离。仿真和试验案例证实相比于传统分解方法，提出的HFMD能更准确、有效地提取轴承故障信息。