基于PSO优化FHN随机共振的滚动轴承故障诊断方法 王子桥、 陈永奇、 戴庆格、 王军、 胡继强、 吴凌强、 秦瑞

《Sensors》：A Rolling Bearing Fault Diagnosis Method Based on PSO-Optimized FHN Stochastic Resonance Ziqiao Wang, Yongqi Chen, Qinge Dai, Jun Wang, Jiqiang Hu, Lingqiang Wu and Rui Qin

　　

摘要

早期轴承故障往往难以识别，因为其特征成分较弱，容易被强干扰掩盖。为了提高弱故障特征的提取效果，本文提出了一种基于粒子群优化的FitzHugh–Nagumo随机共振（FHN-SR）方法，用于处理轴承振动信号。首先对原始信号进行去均值处理、希尔伯特包络解调和标准化，以构建稳定的随机共振（SR）输入。然后，通过最大化目标故障特征频率附近的输出信噪比来自适应优化关键模型参数。为了全面评估所提出的方法，将其与经典SR、欠阻尼双稳态随机共振（UBSR）以及基于快速Kurtogram的包络分析方案进行了比较。实验验证涵盖了三个故障案例，包括凯斯西储大学（CWRU）数据集中的滚动元件故障案例，以及机械综合诊断模拟器（MCDS）平台中的内圈和外圈故障案例。结果表明，在大多数情况下，FHN-SR能够更清晰地聚焦故障相关能量，并实现更高的输出信噪比（SNR）。特别是在噪声环境较差的情况下，FHN-SR的增强性能更加稳定，表明其对干扰的鲁棒性更强。这些结果表明，所提出的方法为在复杂噪声背景下提取弱轴承故障特征提供了一种有效的方法。