基于粒子群优化MCKD的轴承故障诊断方法

发布时间：2021-05-16 15:34

　　在实际应用中,传统最大相关峭度反褶积（MCKD）关键参数的选择严重依赖于先验知识,为克服这一缺点,提出了一种基于粒子群算法优化的MCKD方法。首先,对采集的信号进行EEMD处理并重构信号,达到对信号降噪的目的;然后,构造Shannon熵和峭度组成的二维向量,将其作为粒子群算法的适应度函数构建自适应的粒子群惯性参数,并对MCKD的3个主要参数进行优化;最后,采用优化后的MCKD对轴承信号进行分析和诊断。试验分析表明,该方法能够有效地增强故障特征,准确地诊断出滚动轴承的故障信息。 

【文章来源】：轴承. 2020,(06)北大核心

【文章页数】：6 页

【文章目录】：
1 最大相关峭度反褶积
2 粒子群算法优化MCKD
3 基于PSO优化MCKD的滚动轴承故障诊断方法
4 实例分析
    4.1 外圈故障
    4.2 内圈故障
5 结束语


【参考文献】：
期刊论文
[1]MCKD-循环域解调方法在齿轮箱故障诊断中的应用[J]. 王志坚,王俊元,曾志强,张纪平.  机械传动. 2017(01)
[2]基于网格搜索法优化最大相关峭度反卷积的滚动轴承早期故障诊断方法[J]. 吕中亮,汤宝平,周忆,孟杰.  振动与冲击. 2016(15)
[3]振动信号处理方法综述[J]. 李舜酩,郭海东,李殿荣.  仪器仪表学报. 2013(08)



本文编号：3189949