文献类型：期刊文章

作　　者：齐咏生[1] 樊佶[1] 李永亭[1] 高学金[2] 刘利强[1]

QI Yongsheng;FAN Ji;LI Yongting;GAO Xuejin;LIU Liqiang(College of Electric Power,Inner Mongolia University of Technology,Huhhot 010080,China;Faculty of Information,Beijing University of Technology,Beijing 100124,China)

机构地区：[1]内蒙古工业大学电力学院,呼和浩特010080 [2]北京工业大学信息学部自动化学院,北京100124

出　　处：《振动与冲击》

基　　金：国家自然科学基金项目(61763037);内蒙古自治区自然科学基金项目(2017MS601);内蒙古自治区科技计划项目。

年　　份：2020

卷　　号：39

期　　号：21

起止页码：140-150

语　　种：中文

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

摘　　要：针对滚动轴承复合故障振动信号非平稳、非线性特性且不同类型故障之间相互耦合,使得传统方法对复合故障冲击特征难以提取的问题,提出了一种基于自适应信号稀疏共振分解(ARSSD)和多点峭度最优最小熵解卷积修正(MK-MOMEDA)的故障诊断新方法。使用ARSSD分析故障信号,并定义一个新的复合指标作为目标函数,利用布谷鸟寻优算法(CSA)对高、低品质因子进行优化选择,获得包含瞬态冲击成分的最优低共振分量;计算其多点峭度谱,提取低共振分量中包含的故障冲击周期成分;之后设定适当的周期区间,进行解卷积运算分离不同的故障特征;通过包络解调,分析谱图中突出的故障特征频率进而识别故障类型。实验平台模拟了滚动轴承两种和三种故障的复合情况,并对所提算法进行了验证,结果表明该方法可有效的从复合故障中提取出各类故障特征,实现故障诊断。

关 键 词：振动信号 复合故障  故障诊断 RSSD  最优最小熵解卷积修正  

分 类 号：TH17]