基于ARLMD和IMOMEDA的滚动轴承早期微弱故障诊断

作者：唐贵基; 丁傲; 王晓龙^*; 张晔; 姜超; 李海明

来源：河南理工大学学报(自然科学版), 2023, 42(01): 102-115.

DOI：10.16186/j.cnki.1673-9787.2021060085

• 滚动轴承
• 早期故障
• 鲁棒局部均值分解
• 解卷积
• 余量自相关能量比

为实现强噪声干扰下滚动轴承早期微弱故障损伤特征的准确识别，提出一种自适应鲁棒局部均值分解（adaptive robust local mean decomposition,ARLMD）和改进多点最优最小熵解卷积（improved multipoint optimal minimum entropy deconvolution adjusted,IMOMEDA）相融合的诊断新方法。首先，利用基于斯皮尔曼相关系数的ARLMD算法对原始信号进行处理，按照线性峭度（L-kurtosis）最大原则筛选出蕴含丰富故障信息的最佳分量，实现原始信号信噪比的有效提升；然后，针对多点最优最小熵解卷积（multipoint optimal minimum entropy deconvolution adjusted,MOMEDA）效果受滤波长度影响较大的特点，提出基于余量自相关能量比（residual autocorrelation energy ratio,RAER）的最优滤波长度选取策略，对最佳分量进行IMOMEDA处理，实现周期性冲击特征强化放大；最后，计算解卷积信号的包络谱，从中提取出特征频率信息。仿真、实验及工程信号分析结果表明，所提方法可有效提取强噪声下的微弱故障特征，实现轴承损伤的精确诊断。

• 单位
  国网吉林省电力有限公司; 华北电力大学