来源：期刊VIP网 时间：
作者：赵乃卓;赵羽萌;门城赋;
单位：辽宁工程技术大学机械工程学院;
摘要：针对在强噪声背景下太阳轮早期故障难以准确提取的问题，提出了一种改进灰狼算法（New Grey Wolf Optimization Algorithm, newGWO）优化改进自适应噪声完备集合经验模态分解（Improved Complete Ensemble Empirical Mode Decomposition with Adaptive Noise, ICEEMDAN）和最大相关峭度解卷积（Maximum Correlated Kurtosis Deconvolution,MCKD）的太阳轮早期故障特征提取方法。采用newGWO优化影响其分解效果的白噪声幅值权重和噪声添加次数的参数选择，对故障振动信号进行newGWO-ICEEMDAN，选择最小包络熵为适应度函数，由此得到若干相关模态分量；然后以包络谱谱峰因子为选取最佳模态分量指标，对选定的最佳本征模态函数（Intrinsic Mode Function, IMF）分量进行经过newGWO优化的MCKD信号增强；最后对所得信号进行包络解调分析，提取太阳轮故障特征频率以及多倍频成分。通过仿真信号以及试验表明，该方法能够使得早期故障冲击特征更加明显，实现了太阳轮早期故障特征频率提取。
关键词：太阳轮;;早期故障;;特征提取;;改进灰狼算法;;集合经验模态分解;;相关峭度解卷积
