仪器仪表学报

作者：栾孝驰，郝冠丞，沙云东，张振鹏，赵奉同

单位：栾孝驰,1. 沈阳航空航天大学航空发动机学院,,郝冠丞,2. 北京科技大学机械工程学院,,沙云东,1. 沈阳航空航天大学航空发动机学院,,张振鹏,1. 沈阳航空航天大学航空发动机学院,,赵奉同,1. 沈阳航空航天大学航空发动机学院,

关键词：中介轴承;奇异谱分析;最大相关峭度解卷积;局部能量密度;人工蜂鸟算法;故障诊断

基金：辽宁省教育厅面上项目 (JYTMS20230249)、中国航发产学研合作项目 (HFZL2018CXY017)资助

针对航空发动机中介轴承振动信号在复杂传递路径和强背景噪声条件下的故障特征提取难题,本文提出了一种基于局部能量密度(LED)的中介轴承故障特征提取与诊断方法。首先,采用奇异谱分析对故障信号进行初步的降噪处理,并通过基于余弦值的方法确定最优的重构阶次,以保留信号中的关键故障信息。接着,引入新指标LED,用于量化故障特征频率及其谐波在局部频率范围内的能量比例。该指标不仅能有效提取微弱的故障特征,而且对于实际故障频率与理论故障频率之间可能存在的偏差表现出较强的鲁棒性。以LED作为适应度函数,通过人工蜂鸟算法优化的最大相关峭度解卷积(MCKD)增强奇异谱分析降噪后信号中的故障特征。最后,通过包络谱分析完成故障诊断。本文通过中介轴承故障模拟实验和加噪实验验证了所提方法的有效性,实验结果表明,与现有的故障诊断技术相比,本文所提出的方法的故障特征系数(FFC)和LED分别增加20.7%~218%和22.9%~134%。在0dB,-4dB和-10dB噪声条件下,该方法仍准确地识别到外圈故障的特征频率及倍频,表明所提出的SSA_MCKD能有效降低信号噪声并提取滚动轴承的故障特征。

来源：2024年第5期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2024年第5期