一种用于机车齿轮箱轴承弱故障诊断的自适应增强方法，在轮-起升激励条件下进行测试 李勇、 丁旺才、 毛永文

《Machines》：An Adaptive Enhancement Method for Weak Fault Diagnosis of Locomotive Gearbox Bearings Under Wheel–Raisl Excitation Yong Li, Wangcai Ding and Yongwen Mao

　　

摘要

车轮与轨道的耦合激励会在机车齿轮箱的振动系统中引入强烈的低频调制、随机冲击干扰和宽带背景噪声，导致早期出现的微弱轴承故障特征被掩盖，使得传统的反卷积方法无法有效增强这些特征。为了解决这一问题，本研究提出了一种基于加权包络谱因子（WESF）的自适应参数优化方法。WESF结合了Hoyer指数、峰度和包络谱能量，共同表征信号成分的稀疏性、脉冲性和周期性。通过使用WESF作为适应度函数，采用麻雀搜索算法（SSA）同时优化关键的MCKD参数L、T和M，从而实现对微弱周期性冲击的最优增强。为了进一步减少车轮与轨道激励引起的模态混叠，首先使用连续变分模态分解（SVMD）对原始信号进行自适应分解，并选择WESF值高于平均值的模态进行信号重构。重构后的信号通过SSA–MCKD方法进行增强，然后利用包络谱分析提取故障特征频率。实验验证表明，在40、50和60 Hz的工作条件下，所提出的方法分别获得了12.8%、7.5%和7.2%的故障特征系数（FFC）值——与传统方法（平均FFC为3.6%）相比，平均提升了约156%。这些结果表明，所提出的SVMD–WESF–SSA–MCKD方法能够在强背景噪声和车轮与轨道激励的情况下显著增强微弱周期性冲击特征，具有很强的工程应用价值。