Page 204 - 《振动工程学报》2025年第9期

2134 振 动 工 程 学 报 第 38 卷

间内利用定步长搜索法搜索最优滤波器长度 L。由 影响，构建以下数学模型仿真轴承故障信号用于验
此可见，OMOMEDA 具有自适应性。 证本文所提方法的可行性 [16] ：

I ∑
3.3 算法步骤与流程 y(t) = A i sin(2πf r t)h i (t −iT a −γ i )+
i=1
图 2 为 AVME-OMOMEDA 方法的流程图，其步 | {z }
内圈故障
骤如下： J ∑ ( ) K ∑
B j h j t − jT b −γ j + C k sin(2πf k t +ϕ k )+
（1）传感器采集滚动轴承的振动信号；
j=1 k=1
（2）绘制该信号的 S 变换谱自相关能量谱，并确 | {z } | {z }
谐波干扰
外圈故障
定故障所产生共振频带的中心频率； R ∑
D r h r (t −rT d )+ n(t) （27）
（3）以步骤（2）提取的中心频率作为 ω d 的初始值 |{z}
r=1 噪声
分别对信号进行 VME； | {z }
随机冲击
（4）将 VME 得到的若干个期望模态进行线性叠 式中， f r 为转频，设置为 15 Hz； T a T b T d 表示故障冲
、
、
加，重构出原信号，实现对原信号的降噪； 击的重复周期,分别取为 1/97、1/65、1/20； γ表示滚子
（5）利用峰值拾取法从多点峭度谐波积谱上自 随机滑移的影响，其值分别在 [0.01T，0.02T] 的对应
适应确定解卷积周期 T，通过定步长搜索法确定滤波
区间内随机选取；A 和 B 分别为用于控制内、外圈故
器长度 L，对重构信号进行 MOMEDA解卷积；
障信号的幅值，均取为 2； C k 为用于控制谐波干扰的
（6）对 OMOMEDA 分析后的信号进行包络解调，
幅 值， C 1 = C 2 = 1 f k 表 示 第 k个 谐 波 分 量 的 频 率 ，
；
得到轴承的各个故障特征频率。 f 1 = 20 Hz， f 2 = 40 Hz ϕ k 为 初 相 位 ， ϕ 1 = π/6 ϕ 2 =
，
；

；
滚动轴承振动信号 −π/3 D r 为用于控制随机冲击信号的幅值，其值在
[1.5，2] 区间随机选取；噪声 n(t)为信噪比为−15 dB 的
对S变换谱进行
J K R分别为故障仿真信号各成
S变换谱自相关能量谱 高斯白噪声； I、 、 、
分割和计算
分的长度，均取为 8192 个点； h(t)表示旋转机械系统
通过峰值拾取识别 的冲击响应函数，其表达式为：
若干个中心频率
h(t) = e −βt cos(2πf n t +ϕ) （28）
以识别的中心频率进 AVME 式中， β为结构阻尼系数，取为 500； ϕ为相位； f n 为固
行若干次VME 降噪
有频率，内圈失效、外圈失效和随机冲击的固有频
率分别为 1400、1500 和 2500 Hz。
与轴承故障相关的 ... 与轴承故障相关的 此处为了验证 无法分离共振频带有重叠
期望模态1 期望模态n VME
的内、外圈故障和本文所提方法的有效性，将内、外
通过线性叠加重构原信号 圈失效的固有频率设置为接近值。
利用该模型产生内、外圈复合故障仿真信号，采
多点峭度谐波积谱
最优参数组合下运行MOMEDA 样频率为 8192 Hz，采样点数为 8192。图 3 为组成复
提取复合故障 确定T定步长
搜索法优化L 合故障仿真信号各成分的时域图，图 3(a)~(e) 依次为
内圈故障信号、外圈故障信号、谐波干扰信号、随机
故障特征1的 ... 故障特征n的 冲击信号和高斯白噪声。图 4 为复合故障仿真信号
解卷积信号 解卷积信号
的时域图及包络谱。从图 4(a) 时域图中可以看出，
复合故障仿真信号杂乱无章，噪声干扰严重，且受到
包络解调
谐波干扰的调制严重；图 4(b) 包络谱中，由于干扰信
号的影响，故障特征信息完全被掩盖，因此需要对信
结果分析
号进行处理以分离和提取出各个故障特征频率。
图 2 AVME-OMOMEDA 方法流程图
利用本文方法对复合故障仿真信号进行分析。
Fig. 2 Flowchart of AVME-OMOMEDA method
绘制该信号的 AESOSTS，如图 5 所示，由于内、外圈
故障的共振频带重叠严重，因此只识别出一个中心
4 仿 真 信 号 分 析 频率 1463 Hz。以 2π×1463 rad/s 为中心频率 ω d 的初
始值进行 VME，提取出期望模态并重构原信号，图 6
考虑到滚动轴承实际运行中受诸多干扰信号的 为重构信号的时域图及包络谱。图 6(a) 时域图显