Page 133 - 《振动工程学报》2025年第8期

第 8 期 姚容华，等： 奇异谱分解和最大相关峭度解卷积在轴承故障声学诊断中的应用 1773

离，MCKD 能够消除噪声、增强冲击，突出故障特征 kurtosis deconvolution［J］. Applied Sciences， 2019， 9
信息。两者结合相辅相成，前者有效分离内、外圈故 （8）： 1681.
障，但故障特征信息仍微弱，而结合 MCKD 实现了 ［5］ 马新娜， 杨绍普 . 滚动轴承复合故障诊断的自适应方
对内、外圈故障的提取与增强；后者弥补了前者的不 法研究［J］. 振动与冲击， 2016， 35（10）： 145‑150.
MA Xinna， YANG Shaopu. Adaptive compound fault
足，解决了前者受噪声影响的问题，并且增强了周期
diagnosis of rolling bearings［J］. Journal of Vibration
冲击。两者结合实现了声学复合故障的诊断和分
and Shock， 2016， 35（10）： 145‑150.
离。通过试验数据和仿真信号验证，其结果表明：
［6］ XIAO C A， TANG H S， REN Y， et al. Fuzzy entropy
（1）将 OSSD 引入复合故障诊断，以最大包络峭
assisted singular spectrum decomposition to detect bear‑
度为目标，改进了 SSD 需人工设定经验层数、不能 ing faults in axial piston pump［J］. Alexandria Engineer‑
准确分解的问题；同时 SSD 分解精度高，抑制伪分 ing Journal， 2022， 61（8）： 5869‑5885.
量与模态混叠现象能力强，但噪声对 SSD 的应用效 ［7］ HUANG N E， SHEN Z， LONG S R， et al. The em‑
果影响较大，引入 MCKD 作为后置滤波器，能够很 pirical mode decomposition and the Hilbert spectrum for
好弥补 SSD 算法的限制。 nonlinear and non‑stationary time series analysis［J］.
（2）合理设置 MCKD 的参数周期 T、滤波器长度 Proceedings of the Royal Society of London Series A，
1998， 454（1971）： 903‑998.
L 的取值范围，以最大包络排列熵为目标进行计算，
［8］ CHENG G， CHEN X H， LI H Y， et al. Study on plan‑
得到最佳参数组合，使算法的有效性得到了保障。
etary gear fault diagnosis based on entropy feature fu‑
（3）通过实测声信号和滚动轴承仿真信号的验证，
sion of ensemble empirical mode decomposition［J］.
与未优化 MCKD 的结果对比，证明了 OSSD‑MCKD
Measurement， 2016， 91： 140‑154.
能够有效地提取和分离出强噪声下的复合故障，为复 ［9］ DRAGOMIRETSKIY K， ZOSSO D. Variational
合故障分离提供了一种思路。 mode decomposition［J］. IEEE Transactions on Signal
Processing， 2013， 62（3）： 531‑544.
参考文献: ［10］ ZHANG S B， LU S L， HE Q B， et al. Time‑varying
singular value decomposition for periodic transient iden‑
［1］ 胥永刚， 张志新， 马朝永， 等 . 改进奇异谱分解及其在 tification in bearing fault diagnosis［J］. Journal of Sound
and Vibration， 2016， 379： 213‑231.
轴承故障诊断中的应用［J］. 振动工程学报， 2019， 32
（3）： 540‑547. ［11］ BONIZZI P， KAREL J M H， MESTE O， et al. Singu‑
lar spectrum decomposition： a new method for time se‑
XU Yonggang， ZHANG Zhixin， MA Chaoyong， et al.
Improved singular spectrum decomposition and its appli‑ ries decomposition［J］. Advances in Adaptive Data
cations in rolling bearing fault diagnosis［J］. Journal of Analysis， 2014， 6（4）： 1450011.
［12］ 鄢小安， 贾民平 . 基于改进奇异谱分解的形态学解调
Vibration Engineering， 2019， 32（3）： 540‑547.
［2］ 张龙， 蔡秉桓， 熊国良， 等 . 小波滤波与最大相关峭度 方法及其在滚动轴承故障诊断中的应用［J］. 机械工程
解卷积参数同步优化的轴承故障诊断［J］. 振动工程学 学报， 2017， 53（7）： 104‑112.
报， 2021， 34（6）： 1313‑1322. YAN Xiaoan， JIA Minping. Morphological demodula‑
ZHANG Long， CAI Binghuan， XIONG Guoliang， et tion method based on improved singular spectrum de‑
al. Bearing fault diagnosis based on synchronous optimi‑ composition and its application in rolling bearing fault di‑
zation of wavelet filter and MCKD parameters［J］. Jour‑ agnosis［J］. Journal of Mechanical Engineering， 2017，
nal of Vibration Engineering， 2021， 34（6）： 1313‑1322. 53（7）： 104‑112.
［3］ 周杰， 王云艺， 陈传海， 等 . 基于改进 MED‑SSD 的齿 ［13］ 汤天宝， 周志健， 张涛， 等 . 基于奇异谱分解和两层支
轮箱复合故障诊断方法［J］. 吉林大学学报（工学版）， 持 向 量 机 轴 承 故 障 诊 断 方 法［J］. 噪 声 与 振 动 控 制 ，
2022， 52（2）： 450‑457. 2022， 42（1）： 100‑105.
ZHOU Jie， WANG Yunyi， CHEN Chuanhai， et al. TANG Tianbao， ZHOU Zhijian， ZHANG Tao， et al.
Gearbox complex fault diagnosis method based on im‑ Bearing fault diagnosis method based on singular spec‑
proved minimum entropy deconvolution and singular trum decomposition and double‑layer support vector ma‑
spectrum decomposition［J］. Journal of Jilin University chine［J］. Noise and Vibration Control， 2022， 42（1）：
（Engineering and Technology Edition）， 2022， 52（2）： 100‑105.
450‑457. ［14］ CHEN Z X， HE C B， LIU Y B， et al. Incipient fault
［4］ CUI L L， DU J X， YANG N， et al. Compound faults feature extraction of rolling bearing based on optimized
feature extraction for rolling bearings based on parallel singular spectrum decomposition［J］. IEEE Sensors
dual‑Q‑factors and the improved maximum correlated Journal， 2021， 21（18）： 20362‑20374.