申勇, 章翔峰, 姜宏, 周建, 汪皖, 蒋艺峰, 毕君东
为辨析矿用滚动轴承运行状态,有效地提取矿用滚动轴承故障特征,提出了一种基于粒子群优化算法(Particle Swarm Optimization, PSO)的参数自适应优化最大相关峭度解卷积算法(Maximum Correlated Kurtosis Deconvolution, MCKD)与自相关谱峭度图法(Autogram)相结合的矿用滚动轴承故障特征提取算法.首先,在考虑振动信号的强周期性的基础上,采用MCKD对原始信号进行预处理以实现信号的降噪与增强;同时,针对MCKD参数选择问题,构造利用PSO对适应度函数进行寻优得到合适的参数组合[滤波长度L,解卷积周期T];此后,利用Autogram对处理后信号进行特征提取;最后,通过仿真信号及公开数据集试验信号对该算法进行验证.结果表明:PSO-MCKD-Autogram算法能够较好地克服噪声影响,可有效提取矿用滚动轴承故障特征且具有一定的鲁棒性.