摘要详情

ID / 提交时间

30 / 2024-05-31 19:00:59

标题

Research on Signal Enhancement of Rolling Bearings Based on Improved SR and LMD

关键字

stochastic resonance, local mean decomposition, whale optimization algorithm, Runge-Kutta algorithm, window function, rolling bearing

主题及专题

TRACK 2: OPERATION & PERFORMANCE

状态

全文录用

作者

Shuaishuai Wu / 哈尔滨工程大学

Hang Wang / Harbin Engineering University

Yongkuo Liu / Harbin Engineering University

Minjun Peng / Harbin Engineering University

摘要

在强噪声背景下检测滚动轴承的微弱振动信号一直是核电站工程试验领域的难题。在滚动轴承失效初期，弱故障特性往往被周围噪声所淹没，再加上设备部件之间的相互耦合现象，使故障信号在频率和幅度上复杂，给轴承的故障特征提取和设备状态监测带来了极大的挑战。为此，该文提出一种基于鲸鱼优化算法的自适应随机共振与改进局部均值分解模型相结合的振动信号增强和特征提取方法。该方法首先对原始故障信号进行局部均值分解，然后选取最能表征故障特征频率的PF分量作为随机谐振模型的输入，以信噪比作为评价指标，并采用鲸鱼优化算法对随机谐振参数进行自适应优化，得到最佳的谐振输出信号。构建仿真信号，并利用凯斯西储大学的轴承故障数据集对模型效果进行验证，结果表明，所提方法能够有效提取滚动轴承的故障特性，增强强噪声背景下原有的微弱振动信号，避免了单独使用随机共振法检测精度低的问题，可靠性较好。