李遥平,岳应娟,蔡艳平,王 旭,凤 林
(火箭军工程大学, 西安 710025)
内燃机作为一种机械装备主要的动力部件,其一旦发生故障,必然导致整个动力装置出现安全性和可靠性问题。所以,及时发现内燃机存在的故障,对于提高装备维修保养能力和效率具有重要意义。然而,内燃机是非常复杂的机械系统,目前主流的方法是通过分析其振动信号进行故障诊断,但振动信号为典型的非线性、非平稳信号,夹杂着大量的噪声信号[1]。因此对振动信号进行降噪预处理,减少其耦合度及提高信噪比,为故障诊断重要的一环。
目前,常用的振动信号降噪预处理方法有EMD分解[2]、LMD分解[3]、小波变换[4]等,但这些方法都存在一定的局限和不足。例如,EMD分解存在模态混叠及分解迭代条件缺乏标准等问题;小波变换由于符合测不准原理,因此在高频段处频率分辨率较低。2014年,Dragomiretskiy[5]等提出了一种完全非递归的信号分解方法——变分模态分解(VMD),该方法能够自适应地将复杂信号分解为多个本征模态函数。VMD一经提出,便广泛应用于一些领域,如文献[6]通过变分模态分解与形态差值滤波器结合,有效提取了轴承早期故障;文献[7]将变分模态分解和奇异谱分析结合,对微震信号进行二次降噪,更加有效地去除微震信号中的噪声干扰。
然而,由于VMD针对不同设备的振动信号设置参数存在区别,且参数设置不当对信号降噪预处理效果影响较大。因此,许多学者在此方面做了大量研究,文献[8]通过粒子群优化算法搜索变分模态分解算法的最佳参数组合,并将优化后的算法运用于提取轴承振动信号微弱特征频率信息,实现了滚动轴承早期故障的准确判别;……