基于ICSA-MCKD方法的滚动轴承声信号微弱故障诊断

来源：大连理工大学学报杂志2022年第5期北京时间：

作者：王树杰,李宏坤,王朝阁,孙斌,刘艾强

摘要：针对滚动轴承声信号中微弱故障特征难以有效提取的问题，提出了基于自适应的最大相关峭度反卷积(maximumcorrelationkurtosisdeconvolution，MCKD)的滚动轴承声信号故障诊断方法．首先，提出了改进的布谷鸟搜索算法(improvedcuckoosearchalgorithm，ICSA)，在莱维飞行中引入步长尺度因子，在偏好随机游走中自适应地调整发现概率，使得算法有更快的搜索速度和更高的搜索精度．然后，利用ICSA以调整的谐波显著性指标(adjustedharmonicsignificantindex，AHSI)作为适应度函数对MCKD的滤波器长度和故障特征周期进行寻优，将最佳参数组合输入MCKD中进行反卷积处理．最后通过包络谱分析，实现了基于声信号滚动轴承故障诊断．对仿真信号和实测信号的验证，证明了该方法的有效性和优越性．

关键词：滚动轴承声信号布谷鸟搜索算法最大相关峭度反卷积

基金资助：国家重点研发计划项目(2019YFB2004600)；大连理工大学基本科研业务费专项资金资助项目(DUT20LAB125).