ALIF和MCKD相结合的滚动轴承早期故障诊断

作者：陈明; 马洁^*

来源：机械科学与技术, 2021, 40(07): 1016-1024.

DOI：10.13433/j.cnki.1003-8728.20200182

• 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

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。

• 单位
  自动化学院; 机电工程学院; 北京信息科技大学