| 基于复合基尼指数和最大相关峭度特征模态分解的轴承故障诊断算法 |
| |
| 引用本文： | 杨岗, 徐五一, 邓琴, 等. 基于复合基尼指数和最大相关峭度特征模态分解的轴承故障诊断算法[J]. 机车电传动, 2023(4): 9-17.DOI：10.13890/j.issn.1000-128X.2023.04.002 |
| |
| 作者姓名： | 杨岗 徐五一 邓琴 秦礼目 卫昱乾 |
| |
| 作者单位： | 1.西南交通大学机械工程学院,四川成都 610031;2.西南交通大学唐山研究院,河北唐山 063000 |
| |
| 基金项目： | 国家重点研发计划项目(2020YFB1200300ZL);四川省科技计划项目(2022YFG0088) |
| |
| 摘 要： | 最大相关峭度特征模态分解可以有效去除冗余信息,实现故障特征增强,但是其效果受分解模态数量、初始化滤波器个数和滤波器长度的影响.针对此问题,文章提出了一种基于复合基尼指数(Com-pound Gini Index,CGI)与最大相关峭度特征模态分解(Maximum Correlated Kurtosis Feature Mode Decompo-sition,MCKFMD)的轴承故障诊断方法.首先,将时域平方基尼指数和频域平方基尼指数结合,构建了一种能够同时量化时域和频域周期性脉冲丰富度的新稀疏测度指标,命名为复合基尼指数,并对其性能特性进行评估验证;其次,使用CGI作为沙丘猫群优化算法(Sand Cat Swarm Optimization,SCSO)寻优的适应度函数,快速准确地得到MCKFMD的最优参数组合,实现故障信号的自适应分解;最后,利用CGI选取最优模态,并进行希尔伯特包络解调,实现故障特征提取.通过仿真信号和试验信号验证了所提方法的有效性.对比性研究表明,与参数优化VMD和固定参数MCKFMD相比,文章所提方法在提取周期性故障特征方面更为有效.
|
| 关 键 词： | 最大相关峭度特征模态分解 沙丘猫群优化算法 故障诊断 轴承故障 复合基尼指数 动车组 |
| 收稿时间： | 2023-05-04 |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《机车电传动》浏览原始摘要信息 |
|
点击此处可从《机车电传动》下载全文 |
|
