基于CEEMDAN-WTD-DBO方法的牛粪压块机中滚动轴承的特征提取

《Scientific Reports》：Feature extraction of rolling bearings in cow dung briquetting machine based on CEEMDAN-WTD-DBO

　　

摘要

为了解决在低速、重载运行和材料压实导致的强背景噪声下，识别滚动轴承早期故障影响及故障特征频率的难题，本研究提出了一种基于CEEMDAN、改进的小波阈值去噪和DBO算法的自适应融合去噪与故障特征提取方法。通过构建峰度-排列熵复合评估指标来选择敏感的IMF（惯性矩函数）分量，并利用DBO算法自适应优化改进后的阈值函数中的调整参数，该方法有效增强了强噪声条件下的轴承故障信号。仿真结果表明，在输入信噪比约为-15 dB的情况下，该方法将信噪比提升至-1.400 dB，均方误差降至0.002152，优于单独使用CEEMDAN或传统小波阈值去噪方法。在来自具有滚动元件剥落的垂直型牛粪压块机的实际轴承信号中，成功提取出了8.5 Hz的故障特征频率及其谐波。该方法为农业和畜牧业设备中的轴承状态监测与早期故障诊断提供了一种有效的信号处理方法。