Page 210 - 《振动工程学报》2025年第9期

2140 振 动 工 程 学 报 第 38 卷

LI K，NIU Y Y，SU L，et al. Rolling bearing fault diagno-
6 结 论 sis method based on parameter optimized VMD[J]. Journal of
Vibration Engineering，2023，36（1）：280-287.
[7] NAZARI M，SAKHAEI S M. Variational mode extraction：
传统算法难以分离提取共振频带重叠的轴承复
a new efficient method to derive respiratory signals from
合故障特征，提出了自适应的 AVME-OMOMEDA 算
ECG[J]. IEEE Journal of Biomedical and Health Informatics，
法，通过构造仿真信号和试验信号进行验证，得出以 2018，22（4）：1059-1067.
下结论： [8] 俞惠惠，郑近德，潘海洋，等. 基于自适应变分模态提取
（1）提出的 S 变换谱自相关能量谱能够有效提 的低速重载滚动轴承故障诊断方法 [J]. 振动与冲击，
取轴承故障所产生共振频带的中心频率，进而自适 2022，41（11）：65-71.
应确定 VME 参数中心频率的初始值，解决了 VME YU H H，ZHENG J D，PAN H Y，et al. Fault diagnosis
method of low speed and heavy load rolling bearing based on
需提前预设中心频率初始值的问题。
adaptive variational mode extraction[J]. Journal of Vibration
（2）通过提出的多点峭度谐波积谱自适应确定
and Shock，2022，41（11）：65-71.
故障周期 T，定步长搜索法确定滤波器长度 L可实现
[9] 王鑫，江星星，宋秋昱，等. 自适应变分模式提取的轴承
MOMEDA 算法的自适应，且多点峭度谐波积谱在强 故障诊断方法 [J]. 振动与冲击，2023，42（15）：83-91.
噪声下的表现优于多点峭度谱。 WANG X，JIANG X X，SONG Q Y，et al. Bearing fault
（3）通过将 AVME 降噪后的多点峭度谐波积谱 diagnosis method based on adaptive variational mode extrac-
与降噪前、VMD 降噪后和带通滤波后的多点峭度谐波 tion[J]. Journal of Vibration and Shock， 2023， 42（ 15） ：
积谱进行比较，证明了 AVME 降噪的有效性和优越性。 83-91.
[10] MCDONALD G L，ZHAO Q. Multipoint optimal minimum
（4）分别采用 RVME、FMD、VMD-MCKD、CYCBD
entropy deconvolution and convolution fix： application to
算法分析试验信号，并将分析结果与所提方法进行
vibration fault detection[J]. Mechanical Systems and Signal
对比分析，证明了所提方法在效果和时间成本上更
Processing，2017，82：461-477.
具优越性。 [11] WANG Z J， DU W H， WANG J Y， et al. Research and
application of improved adaptive MOMEDA fault diagnosis
参考文献： method[J]. Measurement，2019，140：63-75.
[12] WANG H B， YAN C F， WANG Z G， et al. Compound
fault diagnosis method for rolling bearings based on the multi-
[1] 周俊，伍星，迟毅林，等. 盲解卷积和频域压缩感知在轴
point kurtosis spectrum and AO-MOMDEA[J]. Measurement
承复合故障声学诊断的应用 [J]. 机械工程学报，2016，
Science and Technology，2023，34（9）：095012.
52（3）：63-70.
[13] STOCKWELL R G，MANSINHA L，LOWE R P. Localiza-
ZHOU J，WU X，CHI Y L，et al. Blind deconvolution and
tion of the complex spectrum： the S transform[J]. IEEE
frequency domain compressive sensing application in bearing
Transactions on Signal Processing，2002，44（4）：998-1001.
composite acoustic fault diagnosis[J]. Journal of Mechanical
[14] PANG B，NAZARI M，SUN Z D，et al. An optimized vari-
Engineering，2016，52（3）：63-70.
ational mode extraction method for rolling bearing fault diag-
[2] LI C X，LIU Y Q，LIAO Y Y，et al. A VME method based
nosis[J]. Structural Health Monitoring，2022，21（2）：558-
on the convergent tendency of VMD and its application in
570.
multi-fault diagnosis of rolling bearings[J]. Measurement，
[15] 王朝阁，李宏坤，胡少梁，等. 利用参数自适应多点最优
2022，198：111360.
最小熵反褶积的行星轮轴承微弱故障特征提取 [J]. 振动工
[3] 冯坤，李业政，胡明辉. 一种用于滚动轴承故障诊断的脉
程学报，2021，34（3）：633-645.
冲增强提取方法 [J]. 振动工程学报，2023，36（2）：582-592.
WANG C G，LI H K，HU S L，et al. Weak fault feature
FENG K，LI Y Z，HU M H. A pulse enhancement extrac-
extraction of planetary bearing based on parameter adaptive
tion method for fault diagnosis of rolling bearing[J]. Journal of
MOMEDA[J]. Journal of Vibration Engineering， 2021，
Vibration Engineering，2023，36（2）：582-592.
34（3）：633-645.
[4] DRAGOMIRETSKIY K， ZOSSO D. Variational mode
[16] PANG B， NAZARI M， TANG G J. Recursive variational
decomposition[J]. IEEE Transactions on Signal Processing，
mode extraction and its application in rolling bearing fault
2013，62（3）：531-544.
diagnosis[J]. Mechanical Systems and Signal Processing，
[5] ZHANG X，MIAO Q，ZHANG H，et al. A parameter-adap-
2022，165：108321.
tive VMD method based on grasshopper optimization algo-
rithm to analyze vibration signals from rotating machinery[J].
Mechanical Systems and Signal Processing， 2018， 108： 第一作者：刘志军（1999—），男，硕士。
58-72. E-mail：2731171661@qq.com
[6] 李可，牛园园，宿磊，等. 参数优化 VMD 的滚动轴承故障 通信作者：周 俊（1985—），女，博士。
诊断方法 [J]. 振动工程学报，2023，36（1）：280-287. E-mail：zhoujun@kust.edu.cn