强噪源干扰下的滚动轴承复合故障分离方法研究.pdf

第 49 卷第 8 期 中南大学学报( 自然科学版) Vol.49 No.8 2018 年 8 月 Journal of Central South University (Science and Technology) Aug. 2018 DOI: 10.11817/j.issn.1672−7207.2018.08.016 强噪源干扰下的滚动轴承复合故障分离方法研究 万书亭，张雄，豆龙江 (华北电力大学 机械工程系，河北 保定，071003) 摘要：针对强背景噪声干扰下的轴承复合故障难以准确分离提取，噪声与复合故障各成分间相互影响容易造成误 诊或漏诊的问题，提出基于变分模态分解(VMD)及最大相关峭度解卷积(MCKD) 的复合故障分离方法。首先对复 合故障信号进行变分模态分解并根据峭度及相关系数准则重构信号作为前置滤噪处理，然后选取合理的滤波器长 度及解卷积周期对重构信号进行最大相关峭度解卷积运算以实现故障特征分离，并结合 1.5 维能量谱强化信号瞬 时冲击特征的优点，准确实现复合故障诊断，最后通过噪源干扰下的外圈、内圈复合故障实测信号分析验证该方 法的有效性。研究结果表明：VMD 方法能够有效滤除噪声干扰，且其滤噪效果比集合经验模态分解(EEMD)方法 的滤噪效果好；MCKD 方法能够将外圈、内圈故障分离，避免复合故障各成分间的相互干扰；1.5 维能量谱能够 强化谱图中的瞬时冲击特征。 关键词：滚动轴承；复合故障；变分模态分解；最大相关峭度解卷积 中图分类号：TH212 ；TH213.3 文献标志码：A 文章编号：1672−7207(2018)08−1950−10 Separation of composite rolling bearings fault features with strong noise interference WAN Shuting, ZHANG Xiong, DOU Longjiang (Department of Mechanical Engineering, North China Electric Power University, Baoding 071003, China) Abstract: Considering that it is difficult to extract compound bearing fault accurately under the condition of strong back