一种针对轴承复合故障的KOA优化最大L-峰度反卷积方法，该方法结合了自适应频谱分割策略

《MECHANICAL SYSTEMS AND SIGNAL PROCESSING》：A KOA optimized maximum L-kurtosis deconvolution method with adaptive spectrum segmentation strategy for compound faults in bearings

　　

Jianfeng Chen|Lingyan Feng|Shuhui Wang|Yi Liu|Jiawei Xiang

摘要

滚动轴承是旋转机械中的关键部件，由于长期受到机械载荷和摩擦力的作用，容易发生复合故障。最大L-峰度分解（MLKD）方法能够有效提取周期性故障信号。然而，该方法的分解性能极易受到宽带噪声和滤波器长度的影响。为了解决这一问题，提出了一种采用自适应频谱分割策略的优化最大L-峰度反卷积（OMLKD）方法。首先，利用傅里叶模型拟合方法提取频谱趋势，以提高抗噪声能力；其次引入平均双域自相关（ADDA）指数，以提高故障识别的准确性并确定最终的分解成分；最后，通过融合指数量化分解性能与计算效率之间的权衡，并将其作为考拉优化算法（KOA）的优化目标函数，以自适应调整MLKD滤波器的长度。在模拟噪声数据上的测试表明，OMLKD方法在强噪声环境下具有较好的鲁棒性。此外，在试验台上的实验进一步证实了OMLKD方法在分离和提取滚动轴承复合故障信号中的单个故障成分方面的有效性。