来源：期刊VIP网 时间：
作者：谢贵重;徐帅强;杜文辽;罗双强;李浩;王良文;巩晓赟;
单位：郑州轻工业大学机电工程学院;河南省机械装备智能制造重点实验室;河南中烟工业有限责任公司安阳卷烟厂;
摘要：【目的】针对振动信号受到强烈噪声干扰使得微弱特征难以准确捕获的问题，提出一种集合经验模态分解（Ensemble Empirical Mode Decomposition, EEMD）结合快速谱峭度（Fast Kurtogram,FK）和自适应最大相关峭度解卷积（Adaptive Maximum Correlation Kurtosis Deconvolution, AMCKD）的联合滤波方法。【方法】首先，对振动信号进行多尺度EEMD，得到若干本征模态函数（Intrinsic Mode Function, IMF），并以互相关系数、峭度为度量因子筛选IMF分量，进行信号重构；其次，基于快速谱峭度算法确定重构信号的载波频率、频带宽度和最大峭度值层数，设计带通滤波器进行滤波，并以粒子群优化（Particle Swarm Optimization, PSO）算法自适应确定MCKD参数，以AMCKD算法对滤波信号进行特征增强；最后，通过包络解调得到故障特征频率值，并与理论值比较，实现故障诊断。【结果】结果表明，所提方法能够实现强噪声干扰下的微弱特征提取，具有较好的抗噪鲁棒性，可为强背景噪声下轴承微弱特征识别研究提供参考。
关键词：滚动轴承;;最大相关解卷积;;特征增强;;快速谱峭度
基金资助：国家自然科学基金项目(12302270,52275138);; 河南省重大科技专项(241100220300);; 河南省科技研发计划联合基金项目(22520081-0029);; 河南中烟工业有限责任公司科技创新项目(AW2023024,AYBW202404)
