文献类型：期刊文章

作　　者：施杰[1,2] 伍星[1] 刘韬[1]

Shi Jie;Wu Xing;Liu Tao(Faculty of Mechanical and Electrical Engineering,Kunming University of Science and Technology,Kunming 650500,China;Faculty of Mechanical and Electrical Engineering,Yunnan Agriculture University,Kunming 650201,China)

机构地区：[1]昆明理工大学机电工程学院,昆明650500 [2]云南农业大学机电工程学院,昆明650201

出　　处：《电子测量与仪器学报》

基　　金：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。

年　　份：2020

卷　　号：32

期　　号：9

起止页码：47-54

语　　种：中文

收录情况：BDHX、BDHX2017、CSCD、CSCD2019_2020、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

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  

分 类 号：TH165.3] TN911.7]