基于1.5维谱WHNR优化CVMD的滚动轴承特征增强方法

doi:10.16450/j.cnki.issn.1004-6801.2025.01.012

首页 > 过刊浏览>2025年第45卷第1期 >80-87. DOI:10.16450/j.cnki.issn.1004-6801.2025.01.012

基于1.5维谱WHNR优化CVMD的滚动轴承特征增强方法
DOI:
                        10.16450/j.cnki.issn.1004-6801.2025.01.012
                    
作者:
                        
                        
                    
作者单位:1.哈尔滨工程大学核安全与仿真技术国防重点学科实验室 哈尔滨，150001;2.哈尔滨工程大学核安全与先进核能技术实验室 哈尔滨，150001;3.哈尔滨工程大学核动力装置性能与设备重点实验室 哈尔滨，150001;4.中国核工业集团中国核动力研究设计院 成都，610213
作者简介:王晓昆，男，1997年9月生，硕士生。主要研究方向为旋转机械信号处理与特征提取，机械故障诊断等。 E-mail：wxk18856363498@163.com
通讯作者:王航，男，1990年3月生，博士、副教授。主要研究方向为核安全与仿真。 E-mail：heuwanghang@hrbeu.edu.cn
中图分类号:TH133.3;TH17
基金项目:中国核工业集团公司“青年英才计划”资助项目（KY9020021007）

Author:

Affiliation:

Fund Project:

摘要

图/表

访问统计

参考文献

相似文献

引证文献

资源附件

文章评论

摘要:

针对滚动轴承在强背景噪声下造成故障特征不易识别的问题，提出一种以1.5维谱加权谐噪比（weighted harmonic-to-noise ratio，简称WHNR）为评价指标的自适应级联变分模态分解（cascaded variational mode decomposition，简称CVMD）特征增强方法。首先，基于不同故障特征频率计算1.5维谱下的最大WHNR来确定CVMD惩罚因子及分解层数；其次，利用1.5维谱对分解结果解调分析，进一步抑制噪声干扰，突出故障特征，最终提高特征辨识度，实现滚动轴承的故障特征增强；最后，通过仿真信号和滚动轴承故障实验，证明了该方法在强背景噪声情况下的优良去噪能力，能够增强微弱故障特征并抑制无关分量。

Abstract:

参考文献

相似文献

引证文献

引用本文

复制

文章指标

点击次数:
下载次数:
HTML阅读次数:
引用次数:

历史

收稿日期:2022-05-11
最后修改日期:2023-02-25
录用日期:
在线发布日期: 2025-02-25
出版日期:

引用本文

分享

文章指标

历史