TY -的A2 -安,Hyeong俊盟——顾Xiaojiao盟——陈,长征PY - 2017 DA - 2017/11/01 TI -滚动轴承故障信号提取基于随机Resonance-Based去噪和VMD SP - 3595871六世- 2017 AB -针对滚动轴承的早期故障振动信号提取的困难,提出了一种基于变分模态分解(VMD)和量子粒子群优化自适应随机共振(QPSO-SR)去噪的故障微弱信号提取方法。首先，根据故障振动信号的特征，利用量子粒子群算法自适应优化随机共振参数;当信噪比达到最大值时，输出最佳的随机共振系统参数。其次，采用最优随机共振系统对原始信号进行去噪处理。减小了噪声干扰和影响分量对结果的影响。故障信号的振幅增强了。然后利用VMD方法对去噪后的信号进行分解，实现故障微弱信号的提取。将该方法应用于仿真故障信号和实际故障信号中。结果表明，该方法能有效降低噪声的影响，提高噪声背景下VMD的计算精度。 It makes VMD more effective in the field of fault diagnosis. The proposed method is helpful to realize the accurate diagnosis of rolling bearing early fault. SN - 1023-621X UR - https://doi.org/10.1155/2017/3595871 DO - 10.1155/2017/3595871 JF - International Journal of Rotating Machinery PB - Hindawi KW - ER -