基于多信号和改进经验傅里叶分解的故障特征提取方法

作     者：朱丹宸 何伟 朱群伟 

作者机构：海军士官学校机电系 九江职业技术学院机械工程学院 海军装备部驻广州地区军事代表局 

出 版 物：《机电工程》 (Journal of Mechanical & Electrical Engineering)

年 卷 期：2024年

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 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(52201362) 

主　　题：滚动轴承 故障诊断 多信号 频带划分 互相关谱 多信号改进经验傅里叶分解 变分模态分解 

摘      要：针对滚动轴承故障信号受设备多结构和复杂传递路径干扰，故障诊断准确性受到影响这一难题，提出了一种基于多信号改进经验傅里叶分解（MS-IEFD）的轴承故障特征提取方法。首先，为了充分利用多信号中的故障特征，利用改进经验傅里叶分解处理了两个不同测点测得的故障信号，设定各阶模态信号与原始信号的相关系数阈值为0.1，并以此为依据确定了信号分解的最佳个数；然后，提出了加权的谐波显著性指标对初始的频带划分进行了优化，避免了信号过分解，减少了带宽过窄的无效频带，以此指标最大值为准，确定了最优模态分量；其次，借助互相关分析的优势，分析了两信号的最优模态分量以进一步增强信号的特征成分，借助快速傅里叶变换准确提取了滚动轴承故障特征，判断了轴承故障类型；最后，利用MS-IEFD方法对仿真和实验信号进行了分析，仿真分析时构造了信噪比为-10 dB和-15 dB的信号，用以模拟不同测点信号的情况，实验分析时利用实验台测得了不同测点处的滚动轴承振动信号。研究结果表明：MS-IEFD方法能从强背景干扰中准确提取出滚动轴承故障特征，为准确判断滚动轴承故障类型提供依据；与变分模态分解（VMD）等方法相比较，可进一步突出MS-IEFD方法的有效性。