基于RACS-TFODF自适应随机共振系统的轴承故障诊断应用

针对传统随机共振系统(Stochastic resonance,SR)的参数选择和未考虑历史信息影响随机共振效果的问题,提出一种基于改进布谷鸟算法(Ranking-based Adaptive Cuckoo Search,RACS)的自适应改进势模型随机共振方法。首先,对大参数信号进行移频尺度变换处理,使其满足SR的绝热近似理论要求;其次,提出一种时延分数阶偏置非线性过阻尼随机共振系统(Time-delayed Overdamped Stochastic Resonance System with Fractional Deflection Nonlinearity,TFODF-SR),并研究势模型参数对随机共振效果的影响;进而利用以信噪比作为评价函数的RACS算法自适应确定随机共振系统的结构参数;最后经过时、频域分析提取出滚动轴承故障特征。通过仿真与实测实验分析对所提出方法相比于传统SR系统及没有引入时延反馈项的ODF系统(Overdamped System with Fractional Deflection Nonlinearity,ODF)在滚动轴承故障提取上的有效性和优越性进行验证。

基于MPA-VMD的滚动轴承故障诊断方法

针对变分模态分解方法(Variation mode decomposition,VMD)在提取滚动轴承振动信号的故障特征频率时受参数设置影响及敏感模态分量的选取问题,构建一种基于海洋捕食者算法(Marine Predator Algorithm,MPA)优化变分模态分解的滚动轴承故障诊断方法。首先,利用以包络熵为适应度函数的海洋捕食者算法对变分模态分解算法的模态个数K和二次惩罚因子α进行自适应选定;其次,使用获得的最佳参数组合对故障振动信号进行变分模态分解,得到多个本征模态分量(Intrinsic Mode Function,IMF);最后,计算各模态分量的平方包络基尼系数(Squared Envelope Gini Index,SEGI),选择系数最大的模态作为最优IMF并进行包络分析,提取相应的故障特征频率。通过公开数据集和实验数据验证表明该方法可解决VMD受参数设置影响的问题,成功诊断轴承故障。且相比于峭度和相关系数指标,平方包络基尼系数指标在筛选最优IMF具备更佳的准确性和鲁棒性。