典型文献
自适应VMD联合MOMEDA的滚动轴承故障提取
文献摘要：
针对强背景噪声下滚动轴承微弱故障特征提取问题,提出了一种基于参数自适应优化变分模态分解(VMD)与多点最优最小熵解卷积(MOMEDA)相结合的轴承故障特征提取方法.首先对滚动轴承时域振动信号进行VMD分解,然后基于自相关函数脉冲谐波噪声比指标(AIHN)最大化原则进行挑选得到最佳模态分量(BIMF)并对其进行MOMEDA滤波,包络解调后得到故障特征频率,最后将本文所提方法体应用于数值仿真信号上可以明显观察到故障特征频率131.1 Hz,应用于实际轴承故障信号可以有效识别轴承故障特征频率294.5 Hz,与原始包络谱提取的311 Hz以及MCKD提取的320 Hz相比更加接近理论故障特征频率294 Hz.
文献关键词：
轴承故障诊断;VMD算法;MOMEDA算法;自相关函数脉冲谐波噪声比指标算法;参数优化
中图分类号：
作者姓名：
阮强;王贵勇;刘韬;王廷轩
作者机构：
昆明理工大学机电工程学院 昆明650500;云南省先进装备智能维护工程研究中心 昆明650500
文献出处：
引用格式：
[1]阮强;王贵勇;刘韬;王廷轩-.自适应VMD联合MOMEDA的滚动轴承故障提取)[J].电子测量技术,2022(01):165-171
A类：
AIHN,BIMF,自相关函数脉冲谐波噪声比指标算法
B类：
VMD,MOMEDA,滚动轴承,背景噪声,微弱故障,参数自适应,自适应优化,变分模态分解,最小熵解卷积,轴承故障特征提取,振动信号,选得,模态分量,包络解调,故障特征频率,故障信号,包络谱,MCKD,近理,轴承故障诊断
AB值：
0.211403
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
