基于MCKD和VMD关联维数的轴承故障特征提取AR模型

• 作者: 申童 刘复秋宣 高学亮 岳晓峰
• 来源期刊: 机电工程技术
• 关键词: 变分模态分解 最大相关峭度解卷积 关联维数 AR模型 滚动轴承
• 年，卷（期）: 2021,（6）
• 所属期刊栏目: 研究与开发|Research and Development
• 页码范围: 18-21,125
• 页数: 5页
• 分类号: TH17
• 语种: 中文
• DOI: 10.3969/j.issn.1009-9492.2021.06.005

摘要

针对滚动轴承早期故障易受噪声影响难以准确提取特征信息的问题,提出了一种基于最大相关峭度解卷积(MCKD)和变分模态分解(VMD)关联维数的故障诊断AR模型.采用MCKD对滚动轴承振动信号进行降噪处理,滤除噪声影响;对降噪后的信号进行VMD分解,选择对故障特征敏感的IMF分量进行信号重构,并对重构信号建立AR模型,获取自回归参数;计算在指定嵌入维数上自回归参数的关联维数,对滚动轴承的故障进行诊断.实验结果表明,所提方法能够有效提取故障信号中的特征信息,证明了方法的有效性.