自适应STWF与改进OMP的滚动轴承微弱故障诊断方法

作     者：和丹 魏豪 胡胜 王琇峰 刘晖 HE Dan;WEI Hao;HU Sheng;WANG Xiufeng;HUI Liu

作者机构：西安工程大学机电工程学院西安710048 西安交通大学机械工程学院西安710049 

出 版 物：《噪声与振动控制》 (Noise and Vibration Control)

年 卷 期：2024年第44卷第1期

页      面：154-161页

核心收录：

学科分类：11[军事学] 0810[工学-信息与通信工程] 1105[军事学-军队指挥学] 08[工学] 081002[工学-信号与信息处理] 110503[军事学-军事通信学] 

基　　金：国家自然科学基金资助项目(72001166) 2019年度陕西省教育厅服务地方科学研究计划资助项目(19JC019) 陕西省科技厅自然科学基础研究计划面上资助项目(2022JM-362) 

主　　题：故障诊断 自适应短时维纳滤波 改进正交匹配追踪 随机冲击干扰 周期性冲击 相似性度量 

摘      要：针对工业环境中随机冲击干扰下滚动轴承微弱故障特征提取难题,提出一种基于自适应短时维纳滤波(Adaptive Short Time Wiener Filtering,ASTWF)和改进正交匹配追踪(Orthogonal Matching Pursuit,OMP)的滚动轴承故障特征提取方法。该方法首先采用包络峭度和随余比(Random Shocks and Margin Ratio,RMR)作为联合判据,界定窗长界限并自适应确定STWF最优窗长参数,进而将随机冲击干扰从测试信号中分离出来;然后,利用立方包络自相关谱估计信号中周期频率,构造周期原子库,降低匹配原子冗余度;最后,利用相似性理论优化匹配追踪迭代终止条件,并结合周期原子库,实现弱故障冲击特征快速、准确提取。根据仿真信号和通过变速箱下线检测所得工程数据,可验证所提出方法可有效识别随机冲击干扰下的滚动轴承微弱故障特征。对比最小熵形态反卷积(Minimum Entropy Morphological Deconvolution,MEMD)方法对于随机冲击干扰下滚动轴承微弱故障特征提取效果,发现所提出方法具有更好的故障特征提取能力;与经典OMP方法相比,所提出改进OMP方法信号重构速度提升66%。