基于EEMD和参数自适应VMD的高速列车轮对轴承故障诊断

作     者：李翠省 廖英英 刘永强 LI Cuixing;LIAO Yingying;LIU Yongqiang

作者机构：石家庄铁道大学交通运输学院石家庄050043 石家庄铁道大学省部共建交通工程结构力学行为与系统安全国家重点实验室石家庄050043 

出 版 物：《振动与冲击》 (Journal of Vibration and Shock)

年 卷 期：2022年第41卷第1期

页      面：68-77页

核心收录：

学科分类：08[工学] 080203[工学-机械设计及理论] 0714[理学-统计学（可授理学、经济学学位）] 0802[工学-机械工程] 0701[理学-数学] 080201[工学-机械制造及其自动化] 

基　　金：国家自然科学基金资助项目(11790282,12032017,11802184,11902205,12002221) 河北省科技计划资助项目(20310803D) 河北省自然科学基金资助项目(A2020210028) 石家庄铁道大学研究生创新资助项目(YC2021087) 

主　　题：轮对轴承 故障诊断 变分模态分解(VMD) 包络峭度 包络谱峭度 

摘      要：针对高速列车轮对轴承工作环境复杂,振动信号中时常伴有冲击性噪声和循环平稳性噪声,使得传统的参数自适应变分模态分解(variational modal decomposition,VMD)方法对轮对轴承的故障特征信息提取不准确的问题,提出了一种基于集成经验模态分解(ensemble empirical mode decomposition,EEMD)预处理的改进参数自适应VMD方法。首先利用EEMD对采集到的振动信号进行分解,计算原始信号以及各分量的包络峭度值,选取峭度值大于原始信号峭度值的分量进行重构,生成新的振动信号;其次以局部最大包络谱峭度为目标函数,利用基于粒子群的参数自适应VMD方法分析新信号,从而确定最佳参数;最后将优化后的VMD用于新信号的分解,选取包络谱峭度值最大的分量进行包络解调分析。通过仿真和试验数据分析,证明了该方法在强噪声干扰下仍具有优良的故障特征提取效果。研究结果对提高列车轮对轴承故障诊断效果有一定的理论意义和应用价值。