基于ICSA-MCKD方法的滚动轴承声信号微弱故障诊断

TH133.33; 针对滚动轴承声信号中微弱故障特征难以有效提取的问题,提出了基于自适应的最大相关峭度反卷积(maximum correlation kurtosis deconvolution,MCKD)的滚动轴承声信号故障诊断方法.首先,提出了改进的布谷鸟搜索算法(improved cuckoo search algorithm,ICSA),在莱维飞行中引入步长尺度因子,在偏好随机游走中自适应地调整发现概率,使得算法有更快的搜索速度和更高的搜索精度.然后,利用ICSA以调整的谐波显著性指标(adjusted harmonic significant index,AHSI)作为适应度函数对M...

Full description

Saved in:
Bibliographic Details
Published in大连理工大学学报 Vol. 62; no. 5; pp. 467 - 475
Main Authors 王树杰, 李宏坤, 王朝阁, 孙斌, 刘艾强
Format Journal Article
LanguageChinese
Published 大连理工大学 机械工程学院,辽宁 大连 116024 2022
Subjects
声信号
最大相关峭度反卷积
滚动轴承
布谷鸟搜索算法
Online AccessGet full text
ISSN1000-8608
DOI10.7511/dllgxb202205004

Cover

More Information
Summary:TH133.33; 针对滚动轴承声信号中微弱故障特征难以有效提取的问题,提出了基于自适应的最大相关峭度反卷积(maximum correlation kurtosis deconvolution,MCKD)的滚动轴承声信号故障诊断方法.首先,提出了改进的布谷鸟搜索算法(improved cuckoo search algorithm,ICSA),在莱维飞行中引入步长尺度因子,在偏好随机游走中自适应地调整发现概率,使得算法有更快的搜索速度和更高的搜索精度.然后,利用ICSA以调整的谐波显著性指标(adjusted harmonic significant index,AHSI)作为适应度函数对MCKD的滤波器长度和故障特征周期进行寻优,将最佳参数组合输入MCKD中进行反卷积处理.最后通过包络谱分析,实现了基于声信号滚动轴承故障诊断.对仿真信号和实测信号的验证,证明了该方法的有效性和优越性.
ISSN:1000-8608
DOI:10.7511/dllgxb202205004