基于优化变分模态分解与计算阶次分析的主轴承故障特征增强方法

针对航空发动机主轴承微弱故障特征在高背景噪声环境和变转速工况下难识别的问题,提出了基于优化变分模态分解与计算阶次分析的主轴承故障特征增强方法.该方法将转速信号进行积分得到角位移信号,通过等角位移重采样将非平稳的振动时域信号转化为振动角域稳态信号.为了更好地分离信号中的高背景噪声,提取微弱故障信息,通过人工蜂鸟算法对变分模态分解(VMD)的惩罚因子和分解层数进行优化,使用优化后的VMD方法分解振动角域稳态信号;以故障特征能量比(FCER)作为指标对变分模态分解后的各信号分量进行评价,选择FCER大于所有分量均值的分量重构,实现振动角域信号降噪;对重构的振动角域信号进行包络谱分析,得到阶次谱并与理论故障特征阶次进行对比,实现故障诊断.通过仿真数据以及开展整机试车条件下获得的航空发动机主轴承外圈压坑故障实验数据对本文所提方法的有效性进行验证.结果表明:与局部均值分解-故障特征能量比(LMD-FCER)、小波包分解-峭度值指标-希尔伯特变换(WPD-KVI-Hilbert)分析方法相比,本文所提方法可以有效增强主轴承外圈故障特征阶次,实现了高转速、高背景噪声和变转速工况下航空发动机主轴承微弱故障的有效诊断.