基于MHSI-MCKD的滚动轴承故障特征提取方法

为了解决滚动轴承的故障信号因受噪声干扰而导致故障特征提取困难,以及最大相关峭度解卷积(MCKD)的解卷积周期T、移位数M和滤波器长度L需要依赖人为主观经验选取的问题,提出了一种基于改进的谐波显著性指标(MHSI)与MCKD相结合的滚动轴承故障特征提取方法(MHSI-MCKD)。首先,提出了一种改进的谐波显著性指标(MHSI)作为评价MCKD降噪效果的依据;其次,以MHSI为适应度函数,采用步长搜索法得到MCKD的最优参数组合;最后,利用参数优化的MCKD对滚动轴承的故障信号进行降噪处理,并通过Hilbert包络谱获取滚动轴承的故障特征。在仿真和实验分析中,利用MHSI-MCKD方法实现了对MCKD关键参数的自适应寻优,增强了信号中故障特征的显著程度,提取出了滚动轴承内外圈的故障特征。仿真及实验结果表明,所提MHSI-MCKD方法可用于提取滚动轴承的故障特征。

基于PEGIES和TQWT的滚动轴承故障特征提取

针对滚动轴承在强背景噪声下周期性冲击特征难以提取的问题,提出一种基于周期增强的包络谱基尼系数(periodically enhanced Gini index of the envelope spettrum,PEGIES)和可调品质因子小波变换(tunable Q-factor wavelet transform,TQWT)相结合的滚动轴承故障特征提取方法。首先,以PEGIES为TQWT分解效果的评判指标,事先设定品质因子Q和冗余度迭代范围区间,以中心频率比CFR为阈值指标及最大分解层数公式确定对应品质因子Q分解下的最佳分解层数J。通过网格搜索的方式确定最佳品质因子Q,得到其对应的TQWT分解重构子带,选取大于PEGIES均值的子带进行合并处理得到最佳分量,通过Hilbert包络解调得到故障特征。为验证方法的有效性,将XJTU-SY滚动轴承加速寿命实验数据集和DDS(drivetrain diagnostics simulator)实验台实测信号作为研究对象,结合仿真信号结果,与其他方法进行对比,证实本文所提方法能在一定程度上降低转频的干扰,具有更好的故障特征比,能实现更加准确的诊断。