科研之友
微信
新浪微博
Facebook
分享链接
摘要
为了解决轮毂电机轴承早期微弱故障特征难以提取的问题，提出一种基于优化奇异谱分解(optimizedsingular spectrum decomposition,OSSD)和增强多点最优调整最小熵解卷积(enhancemultipointoptimalminimumentropy deconvolution adjusted,EMOMEDA)的特征提取方法，以实现故障特征的检测与提取，及时掌握轮毂电机的运行安全。首先，提出由新的时频综合指标(time-frequencycomposite index,TCI)自适应优化分量个数的OSSD方法，并对原始信号进行前处理，通过包络谱峰值指标选择敏感的奇异谱分量。然后，提出EMOMEDA方法，设计一种改进的波形延拓策略恢复解卷积信号长度，克服MOMEDA算法的边缘效应，并通过二次解卷积运算获得最优解卷积信号。最后，对最优解卷积信号进行包络分析，实现故障特征的增强提取。分别采用仿真和试验信号验证所提方法的可行性，并将其与多种故障特征提取方法进行对比，证明了其优越性。结果表明，所提方法能够有效提取微弱故障特征，在特征增强方面具有可观的优势。
- 单位
