参数自适应VMD在高速列车轴箱轴承故障诊断中的应用

针对高速列车轴箱轴承故障特征提取困难和变分模态分解(VMD)参数的人为设置影响分解效果的问题，提出参数自适应VMD轴箱轴承故障诊断方法。首先，以平均包络谱熵为适应度函数，利用麻雀搜索算法自适应地寻找不同工况下的最优模态数K和惩罚因子α；其次，对原始轴承时域信号进行VMD分解，利用快速谱峭度图分析最小包络熵的IMF分量，并根据分析结果对该IMF分量进行带通滤波以增强故障特征；最后，对滤波后信号进行希尔伯特包络解调分析，并将分析结果与理论计算所得特征频率进行对比，对轴箱轴承故障进行分类辨识。研究结果表明：与经验模态分解(EMD)、局域均值分解(LMD)、集合经验模态分解(EEMD)等自适应信号分解方法相比，本文所提方法能更有效地降低噪声的影响，提取复杂耦合工况下轴箱轴承振动信号中的故障特征。