Page 148 - 《振动工程学报》2025年第8期
P. 148

第 38 卷第 8 期                       振  动  工  程  学  报                                  Vol. 38 No. 8
               2025 年 8 月                      Journal of Vibration Engineering                       Aug. 2025



                   参数自适应 FMD 在轴承早期故障诊断中的应用



                                                王    红， 王泽宇， 何            勇

                                           （兰州交通大学机电工程学院，甘肃 兰州 730070）


              摘要: 针对特征模态分解（FMD）的轴承早期微弱故障诊断效果易受滤波器长度 L、频段分割数 K、模态分解个数 n 影响的问
              题，提出用遗传算法优化 FMD 预设参数，并以峭度、包络熵和修正的自适应包络谱特征能量比为综合目标函数的诊断方法。
              该方法利用遗传算法比较不同预设参数下经 FMD 分解各分量信号的综合目标函数值，并选取其中最大值对应的 L、K、n 作为
              FMD 的预设参数， 通过 FMD 处理后信号的包络谱特征判定轴承的故障类型。经西储大学和辛辛那提大学的公开故障轴承
              数据以及转向架轴箱轴承数据验证，该方法具有较好的抗噪声能力和有效的早期微弱故障诊断能力。

              关键词: 滚动轴承； 早期微弱故障； 特征模态分解； 遗传算法
              中图分类号: TH17      文献标志码: A      DOI：10.16385/j.cnki.issn.1004-4523.202309004

                   Application of parameter adaptive FMD in early bearing fault diagnosis


                                             WANG Hong， WANG Zeyu， HE Yong
                           （School of Mechatronic Engineering，Lanzhou Jiaotong University， Lanzhou 730070， China）

              Abstract: To solve the problem that the early weak fault diagnosis effect based on feature mode decomposition （FMD） is suscepti‑
              ble to the filter length L， frequency band segment K and mode decomposition number n， a diagnostic method is proposed in which
              a genetic algorithm is used to optimize the preset parameters of FMD， and the kurtosis， envelope entropy and modified adaptive en‑
              velope spectrum characteristic energy ratio as the comprehensive objective function. The method uses genetic algorithm to compare
              the comprehensive objective function values of each component signal decomposed by FMD under different preset parameters， and
              selects L， K and n corresponding to the maximum value as the preset parameters of FMD. The bearing fault type is determined by
              the envelope spectrum characteristics of the signal processed by FMD. The open bearing fault data of Western Reserve University
              and University of Cincinnati show that this method has good anti-noise ability and effective early fault diagnosis ability.

              Keywords: rolling bearing； early weak fault； feature mode decomposition （FMD）； genetic algorithm



                  随着制造业技术的不断发展，机械设备的复杂                          具有良好的噪声鲁棒性，能够有效改善经验模态分
              程度日趋提升，这对机械设备的安全性和可靠性也                            解（empirical mode decomposition， EMD）的 端 点 效
                                                                                 ［3］
              提出了更高的要求。轴承是机械传动系统中的关键                            应和模态混叠现象 。但是 VMD 在应用过程中，预
              部件，在高速、重载的工况下极易引发损伤，据调查                           设 参 数 的 选 取 是 关 键 ，不 当 的 参 数 会 严 重 影 响
                                                         ［1］
              发现由轴承引起的传动系统故障占比高达 30% 。                          VMD 的分解性能。在轴承故障诊断领域内，VMD
              因此，及时诊断轴承的早期微弱故障，不仅可以保障                           各分量信号频段的选取并未充分考虑故障的冲击性
              设备安全运行，还能为设备的维修提供依据，提升维                           和周期性，各分量信号被视为一个窄带信号，这使得
              修效率。                                              分量信号中包含较多干扰成分。类解卷积方法也是
                                        ［2］
                  DRAGOMIRETSKIY 等 提 出 了 一 种 自 适 应              一类广泛应用的轴承故障诊断方法，基本思想是通
              模态分解方法：变分模态分解（variational mode de‑                过构建逆滤波器获得滤波后的输出，并使输出尽可
              composition， VMD），该 方 法 是 一 种 频 域 信 号 分 析         能地恢复原始故障脉冲 。目标函数的建立是滤波
                                                                                     ［4］
              方法，通过非递归筛选，将一个信号分解为多个模态                           器系数选取的关键，通过迭代、非递归等算法实现目
              分量。VMD 的本质是多个自适应维纳滤波器组，                           标函数的最大化从而获取最佳滤波器系数。最小熵


                  收稿日期: 2023-09-01； 修订日期: 2024-01-10
                  基金项目: 国家自然科学基金资助项目（72061022）；甘肃省青年科技基金资助项目（22JR5RA373）
   143   144   145   146   147   148   149   150   151   152   153