基于VMD與自適應MOMEDA的回轉支承故障診斷*

鄭 強，林云樹，吳曉梅，張 沖

(1.福建省特種設備檢驗研究院，福州 350008；2.福州大學機械工程及自動化學院，福州 350108)

0 引言

回轉支承作為大型機械的關鍵零部件，其運行狀態直接關系到整機的正常運作。大型回轉支承工作環境極其惡劣，并且在正常運行狀態下同時承受軸向力、徑向力和傾覆力矩，因此在使用中難免產生故障[1-2]。

目前，國內外的故障診斷研究主要集中在中高速軸承，針對回轉支承的研究相對較少。楊杰等[3]使用小波多尺度分解，并結合頻帶能量譜對回轉支承進行故障診斷。呂學昭[4]采用小波分解和EMMD的復合方法診斷回轉支承復合故障。王振堯、WANG等[5-6]采用EMD改進方法構造回轉支承信號的特征向量，并用淺層機器學習方法分類。

然而，上述方法中的小波分解的小波基及分解層數無法自適應選取。EMD的改進方法雖從一定程度上抑制了模態混疊，但也無法完全消除其影響。VMD[7]在抑制模態混疊和抗噪能力上優于EMD。VMD克服了其他已有方法的局限性，并且有許多成功應用于故障診斷的實例[8-10]。因此，本文選擇VMD作為回轉支承信號處理方法。

MOMEDA作為MED與MCKD的改進方法[11]，不需設置整數的故障周期參數，也不需采用迭代的方式尋找最佳濾波器，即可實現故障特征的準確提取。然而MOMEDA的使用需要預先設定解卷積周期T。為了實現參數的自適應選取，需采用合適的尋優算法進行參數選擇。灰狼優化算法[12]有著易實現、易收斂、參數少的優點，并且還存在自適應的收斂因子和信息反饋機制，因此具有良好的求解精度和收斂速度。……