来源：期刊VIP网 时间：
作者：黄斯琪;张信群;刘世杰;谭志银;何凯;
单位：滁州职业技术学院电气工程学院;山西北方机械制造有限责任公司;
摘要：【目的】傅里叶分解方法是一种能够根据信号频谱特征自适应确定模态分量的方法。然而，该方法在提取非平稳信号的模态分量时，容易产生大量无效窄带分量，不利于故障特征的精准识别。为解决这一问题，提出一种频带优选傅里叶分解方法（Frequency Band Optimization Fourier Decomposition Method, FBO-FDM）。【方法】首先，以傅里叶变换为基础，按照高频至低频的顺序对原始傅里叶谱进行扫描分割，获取初始分割边界；其次，提出一种频带重构策略，利用多尺度排列熵偏均值（Partial Mean of Multi-scale Permutation Entropy, PMMPE）对各分割边界内的频带信息进行量化处理，将PMMPE大于其均值的频带保留，去除无效窄带分量；最后，采用自适应多尺度形态学滤波对重构分量进行滤波处理，去除噪声及无关分量的影响。采用所提方法对滚动轴承仿真信号进行分析，并与傅里叶分解方法（Fourier Decomposition Method, FDM）、经验小波变换（Empirical Wavelet Transform, EWT）和变分模态分解（Variational Mode Decomposition, VMD）方法进行了对比。【结果】结果表明，所提方法能够更有效地识别出故障特征频率，并且具有更高的信噪比；同时，其对有色噪声也有较好的降噪效果。将所提方法应用于实测振动信号分析中，进一步验证了所提方法频带划分及故障诊断能力的优越性。
关键词：傅里叶分解方法;;多尺度排列熵偏均值;;自适应多尺度形态学滤波;;滚动轴承;;故障诊断
基金资助：安徽省高校自然科学重点研究项目（2024AH051443）;; 滁州职业技术学院科技创新平台项目（YJP-2021-02）;滁州职业技术学院质量工程项目（2024xjjnds244556）
