关键词：耦合故障诊断;旋转机械;共振稀疏分解;自适应滤波最小均方算法;灰狼优化算法;信噪比;均方误差
摘 要：针对旋转机械耦合故障中较弱故障易被较强故障淹没及噪声干扰严重的问题，提出了基于灰狼优化算法(GWO)的，自适应滤波最小均方(LMS)算法结合共振稀疏分解(RSSD)的，耦合故障特征分离及强化方法。首先，采用自适应滤波LMS算法对耦合故障信号进行了滤波处理，使故障特征得到了初步强化；然后，根据耦合故障的不同共振属性，利用RSSD算法将故障耦合分解为高共振分量和低共振分量，完成了耦合故障分离；特别地，针对LMS算法中参数依赖人工经验、自适应差等问题，研究了基于灰狼优化算法(GWO)的参数自适应优化方法，设计了以信噪比和均方误差构成的优化目标；最后，对稀疏分解得到的信号进行了包络解调，完成了耦合故障分离及特征强化，同时，利用模拟信号和实验信号对该方法进行了验证分析。研究结果表明：GWO-LMS-RSSD算法能用于有效降低噪声干扰，分离旋转机械耦合故障及强化故障特征，为强噪声干扰下耦合故障的特征分离及强化提供了新的思路。
内 容：原文可通过湖北省科技资源共享服务平台(https://www.hbsts.org.cn/)获取