基于SGMD线性峭度和log-SAM的滚动轴承故障诊断方法

• 作者: 吴萍萍 李显泽 赵树忠 郑直 韩炬 龙海洋
• 来源期刊: 噪声与振动控制
• 学科: 工学
• 关键词: 故障诊断 滚动轴承 辛几何模态分解 log-SAM 线性峭度
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 信号处理与故障诊断
• 页码范围: 121-127
• 页数: 7页
• 分类号: TP206+.3|TP277
• 语种: 中文
• DOI: 10.3969/j.issn.1006-1355.2020.06.020

摘要

对数-频谱振幅调制(log-SAM)方法容易受到强噪声影响,基于辛几何模态分解(SGMD)方法所得分解结果中故障特征信息分散,传统峭度也容易受噪声中的随机冲击干扰.针对上述问题,提出一种基于SGMD、线性峭度和log-SAM相结合的新方法.首先,对滚动轴承振动信号进行SGMD分解,得到众多分量;其次,基于最大线性峭度,筛选具有丰富特征信息的分量作为数据源;最后,对数据源进行log-SAM分析,实现最优故障诊断.通过分析滚动轴承仿真信号和实测滚动轴承内圈故障信号,证实所提方法具有更好的抑噪能力和诊断效果.