基于BAACMD-NGO-TMSST的变转速滚动轴承故障诊断

在变转速工况下,滚动轴承时变故障特征提取困难,且时间重分配的多重同步压缩变换(TMSST)易受噪声干扰,其相关参数的确定不具备自适应性。针对此问题,提出一种基于BAACMD-NGO-TMSST的变转速滚动轴承故障诊断方法。通过BAACMD将故障信号分解为多个分量,采用基尼指数和包络熵作为综合指标选取最优分量,从而去除噪声干扰;采用北方苍鹰优化算法(NGO)对TMSST进行参数寻优;最后,利用优化后的TMSST对最优分量进行时频分析,并计算最大TF包络谱(TFES)提取故障特征。通过仿真信号和渥太华轴承数据集,验证了所提方法的可行性和有效性;与其他降噪方法对比,BAACMD在降噪方面具有优越性;与其他时频分析方法对比,所提方法具有更好的特征提取效果。