摘要详情

ID / 提交时间

66 / 2024-08-15 19:49:53

标题

Application of adaptive feature mode decomposition based on synthetic index in fault feature extraction of rolling bearings

关键字

sparse maximum harmonic noise ratio deconvolution,feature mode decomposition,comprehensive evaluation index,weak fault feature extraction

主题及专题

lData Acquisition Systems

状态

终稿

作者

PengLinhao / Anhui University

LiuFang / Anhui University

XuLirong / Anhui University

BaoXue wen / Anhui University

DongShihai / Anhui University

LiuYongbin / Anhui University

摘要

滚动轴承故障的初始迹象通常很微妙，很容易被背景噪声掩盖，这使得故障特征的提取具有挑战性。为了解决这个问题，准确表征轴承故障特征和伴随的噪声至关重要。本研究介绍了一种从滚动轴承中提取特征的新方法，利用称为复合特征模态分解（CFMD）的综合指数。最初，采用稀疏最大谐波噪声比反卷积（SMHD）算法来放大弱故障信号。该文提出一种新的综合评价指标，该指标结合了“余弦相似性、峰度和包络熵”，用于自适应地选择FMD的最优参数组合，并基于该指标过滤本征模态函数（IMF）。随后，为了提取更详细的故障特征，利用多尺度模糊熵（MFE）来量化每个有效 IMF 的故障特征，然后使用支持向量机（SVM）对其进行分类和识别。CFMD 方法的有效性通过对轴承失效数据的分析得到验证。与其他常用的诊断技术相比，该方法在提取轴承故障信息方面表现出卓越的准确性和有效性。