基于GWO-NLM与CEEMDAN的滚动轴承故障诊断方法

针对滚动轴承故障振动信号受背景噪声干扰大、故障特征不易提取的问题,提出了基于灰狼算法(GWO)优化的非局部均值去噪(NLM)和完全自适应噪声集合经验模态分解(CEEMDAN)相结合的轴承故障诊断方法.先将CEEMDAN和相关系数-能量比-峭度准则作为预处理手段,并进行信号重构;然后使用灰狼算法对NLM的参数进行优化,利用最优参数对重构信号进行降噪,将降噪后的信号通过SG(Savitzky-Golay)滤波进行二次降噪,得到最终去噪信号,对最终信号进行包络分析得到诊断结果.GWO-NLM去噪、CEEMDAN和包络分析的混合特征提取技术,由仿真信号可知去噪后的信噪比提高了 9.31 dB,由实验信号可知能清晰地提取轴承的故障特征频率及倍频、转频以及故障特征频率与转频的系列调制频率.