基于改进FNLM和HSEDO的振动筛轴承早期故障诊断

• 全文链接
• 请求原文

作   者：

王艳;  叶敏;  李嘉波;  张翠红;  卜鹏辉; 

作者机构：

长安大学道路施工技术与装备教育部重点实验室;  西安石油大学西安市高难度复杂油气井完整性评价重点实验室; 

关键词：

故障诊断;  IFNLM;  HSEDO;  机械工程;  振动筛轴承; 

期刊名称：

长安大学学报(自然科学版)

i s s n：

1671-8879

年卷期：

2025 年 45 卷 001 期

页   码：

167-178

摘   要：

针对振动筛滚动轴承早期故障特征微弱，被强背景噪声和多振源干扰淹没的诊断难题，提出一种基于改进快速非局部均值滤波(IFNLM)和高阶对称包络导数算子(HSEDO)的滚动轴承故障特征提取方法。首先，根据滚动轴承故障信号周期性结构特征，通过对快速非局部均值滤波(FNLM)算法相似度量和权值分配函数的改进，提出IFNLM算法，滤除轴承原始振动信号中的背景噪声和振源干扰；其次，在包络导数算子(EDO)的基础上，融入对称差分技术和高阶思想，提出HSEDO对降噪后的信号进行解调，从而识别轴承故障特征。最后，搭建振动筛激振器滚动轴承故障试验台，对所提方法的可行性和优越性进行验证。研究结果表明：IFNLM算法具有良好的去噪效果、噪声鲁棒性以及运行效率，IFNLM算法的运行速度相较于改进前提高了77%,约是小波阈值降噪算法的12倍，中值滤波算法的4倍；HSEDO算法具有良好的解调特性和抗干扰能力，在谐波干扰不高于20种的情况下，HSEDO算法处理的信号干扰比高于EDO;所提IFNLM-HSEDO算法与NLM+包络谱、WTD+TEO等现有方法相比，具有更高的故障特征提取能力和执行效率，在取50 000个采样点运行时，耗时仅为0.050 8 s,且采样点越多其快速性能越突出。研究成果对丰富机械系统故障诊断理论，保证机械设备安全可靠运行具有重要意义。