Autogram方法采用峭度作为检测故障冲击的指标,但是峭度在强噪声干扰下会严重影响故障频带选取的准确性。针对此问题,提出基于KN-Autogram方法进行滚动轴承的故障诊断。KN-Autogram方法在生成KN-Autogram谱图时采用KN指标检测轴承故障冲击,选取KN-Autogram谱图中最大KN值所在的频带为最优共振解调频带,对共振信号做滤波包络处理,以准确提取滚动轴承的故障特征频率。仿真和滚动轴承实测数据试验结果证明了该方法的有效性。

关乎整个设备正常运行的滚动轴承极易发生故障,且常是多故障并存,导致轴承复合故障诊断困难。VMD算法对诊断滚动轴承复合故障具有良好的频带分割、抗模态混叠和抑制噪声的优点。但当VMD控制参数[K,α]选取不当时,会造成频带分解失效、轴承复合故障分离不彻底。为此提出基于樽海鞘群算法(SSA)改进VMD的分离诊断方法。采用SSA自适应选取[K,α]对信号进行VMD,通过包络熵和峭度综合筛选敏感IMF,对敏感IMF进行Autogram共振频带提取,采用包络解调提取各自的故障特征频率。通过仿真信号和实测信号验证分析,可知基于SSA优化VMD算法对复合轴承故障有很好的分离诊断能力。