基于广义球面坐标变换的最大相关皮尔逊相关系数解卷积轴承故障诊断算法

杨岗; 成雷; 徐五一; 邓琴; 康浩明

doi:10.16579/j.issn.1001.9669.2026.06.006

您当前的位置：

首页 >

文章列表页 >

基于广义球面坐标变换的最大相关皮尔逊相关系数解卷积轴承故障诊断算法

·振动·噪声·监测·诊断· | 更新时间：2026-06-16

- 基于广义球面坐标变换的最大相关皮尔逊相关系数解卷积轴承故障诊断算法
- Maximum correlation Pearson correlation coefficient deconvolution bearing fault diagnosis algorithm based on generalized spherical coordinate transformation
- 机械强度 2026年48卷第6期页码：52-61
- 作者机构：
  
  1.西南交通大学机械工程学院，成都 610036
  2.西南交通大学唐山研究院，唐山 063000
- 作者简介：
  
  YANG Gang, E-mail: yanggang@swjtu.cn
- 基金信息：
  
  国家重点研发计划(2020YFB1200300ZL);四川省重点研发项目(2023YFG0063)
- DOI：10.16579/j.issn.1001.9669.2026.06.006
  中图分类号： TH133.33
- 收稿：2024-06-13，
  
  修回：2024-09-02，
  
  纸质出版：2026-06-15
- 稿件说明：
移动端阅览
杨岗，成雷，徐五一，等. 基于广义球面坐标变换的最大相关皮尔逊相关系数解卷积轴承故障诊断算法［J］. 机械强度，2026，48（6）：52-61.

YANG Gang，CHENG Lei，XU Wuyi，et al. Maximum correlation Pearson correlation coefficient deconvolution bearing fault diagnosis algorithm based on generalized spherical coordinate transformation［J］. Journal of Mechanical Strength，2026，48（6）：52-61.
杨岗，成雷，徐五一，等. 基于广义球面坐标变换的最大相关皮尔逊相关系数解卷积轴承故障诊断算法［J］. 机械强度，2026，48（6）：52-61. DOI： 10.16579/j.issn.1001.9669.2026.06.006.

YANG Gang，CHENG Lei，XU Wuyi，et al. Maximum correlation Pearson correlation coefficient deconvolution bearing fault diagnosis algorithm based on generalized spherical coordinate transformation［J］. Journal of Mechanical Strength，2026，48（6）：52-61. DOI： 10.16579/j.issn.1001.9669.2026.06.006.

摘要

目的

最大相关皮尔逊相关系数解卷积（Maximum Correlation Pearson Correlation Coefficient Deconvolution

MCPCCD）算法能够在强背景噪声下增强轴承故障脉冲的幅频特性，同时还能保留其相频特性。然而，该算法在受到随机冲击和谐波干扰的情况下极易失效，且该算法的性能受限于先验解卷积周期的精度。针对这些问题，提出一种改进的MCPCCD方法。

方法

首先，通过广义球面坐标变换，将解卷积滤波器系数投影到

-1维、半径为1的球面上，从而缩小搜索空间；其次，采用麻雀搜索算法搜索最优滤波器系数，进行信号滤波；最后，利用仿真信号和高速列车牵引电动机轴承实测信号进行算法验证。

结果

结果表明，所提算法解决了MCPCCD算法在强干扰下容易失效的问题，并且在解卷积周期出现偏差时，算法也具有良好的性能。而对比研究的结果表明，相比于最大相关峭度解卷积算法和经验模态分解算法，所提算法具有更好的抗干扰能力。

Abstract

Objective

The maximum correlation Pearson correlation coefficient deconvolution (MCPCCD) algorithm can enhance the amplitude-frequency characteristics of bearing fault impulses under strong background noise while preserving their phase-frequency characteristics. However

the algorithm is prone to failure under the interference of random impacts and harmonic components

and its performance is limited by the accuracy of the prior deconvolution period. To address these issues

an improved MCPCCD method was proposed.

Methods

Firstly

the coefficients of the deconvolution filter were projected onto an

https://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=110401368&type=

https://html.publish.founderss.cn/rc-pub/api/common/picture?pictureId=110401366&type=

1.52400005

2.28600001

1 dimensional sphere with a radius of 1 via generalized spherical coordinate transformation to narrow the search space. Secondly

the sparrow search algorithm was adopted to optimize the filter coefficients for signal filtering. Finally

simulated signals and measured bearing signals of high-speed train traction motors were employed to verify the proposed algorithm.

Results

The results show that the proposed algorithm solves the failure problem of the original MCPCCD algorithm under strong interference and maintains satisfactory performance even when the deconvolution period deviates. The results of the comparative studies demonstrate that the proposed algorithm possesses better anti-interference capability than the maximum correlated kurtosis deconvolution algorithm and the empirical mode decomposition algorithm.

关键词

Keywords

references

ZOU Y Y ， ZHANG Y D ， MAO H C . Fault diagnosis on the bearing of traction motor in high-speed trains based on deep learning ［J］. Alexandria Engineering Journal ， 2021 ， 60 （ 1 ）： 1209 - 1219 .

LIU Z Z ， DING K ， LIN H B ， et al . A novel impact feature extraction method based on EMD and sparse decomposition for gear local fault diagnosis ［J］. Machines ， 2022 ， 10 （ 4 ）： 242 .

甄冬，田少宁，郭俊超，等 . 改进型EEMD和MSB解调方法及其在轴承故障特征提取中的应用［J］. 振动工程学报， 2023 ， 36 （ 5 ）： 1447 - 1456 .

ZHEN Dong ， TIAN Shaoning ， GUO Junchao ， et al . An improved decomposition method using EEMD and MSB and its application in rolling bearing fault feature extraction ［J］. Journal of Vibration Engineering ， 2023 ， 36 （ 5 ）： 1447 - 1456 . （In Chinese）

HAN M H ， WU Y M ， WANG Y M ， et al . Roller bearing fault diagnosis based on LMD and multi-scale symbolic dynamic information entropy ［J］. Journal of Mechanical Science and Technology ， 2021 ， 35 （ 5 ）： 1993 - 2005 .

GAO S ， ZHAO N ， CHEN X F ， et al . A new approach to adaptive VMD based on SSA for rolling bearing fault feature extraction ［J］. Measurement Science and Technology ， 2023 ， 35 （ 3 ）： 036102 .

COLOMINAS M A ， SCHLOTTHAUER G ， TORRES M E . Improved complete ensemble EMD：a suitable tool for biomedical signal processing ［J］. Biomedical Signal Processing and Control ， 2014 ， 14 ： 19 - 29 .

刘俊利，缪炳荣，张盈，等 . 基于Morlet小波与CART决策树的滚动轴承故障诊断方法［J］. 机械强度， 2024 ， 46 （ 1 ）： 1 - 8 .

LIU Junli ， MIAO Bingrong ， ZHANG Ying ， et al . Rolling bearing fault diagnosis method based on Morlet wavelet and CART decision tree ［J］. Journal of Mechanical Strength ， 2024 ， 46 （ 1 ）： 1 - 8 . （In Chinese）

杨岗，徐五一，邓琴，等 . CSC-RCMSDE结合MRVM的轴承声振融合故障诊断算法［J］. 机械科学与技术， 2026 ， 45 （ 3 ）： 392 - 403 .

YANG Gang ， XU Wuyi ， DENG Qin ， et al . Acoustic-vibration fused bearing fault diagnosis method combining CSC-RCMSDE and MRVM ［J］. Mechanical Science and Technology for Aerospace Engineering ， 2026 ， 45 （ 3 ）： 392 - 403 . （In Chinese）

ENDO H ， RANDALL R B . Enhancement of autoregressive model based gear tooth fault detection technique by the use of minimum entropy deconvolution filter ［J］. Mechanical Systems and Signal Processing ， 2007 ， 21 （ 2 ）： 906 - 919 .

赵艺珂，王家序，张新，等 . 基于增强最小熵解卷积的航空发动机故障诊断［J］. 中国机械工程， 2023 ， 34 （ 2 ）： 193 - 200 .

ZHAO Yike ， WANG Jiaxu ， ZHANG Xin ， et al . Aero-engine fault diagnosis based on an enhanced minimum entropy deconvolution ［J］. China Mechanical Engineering ， 2023 ， 34 （ 2 ）： 193 - 200 . （In Chinese）

康伟，朱永生，闫柯，等 . 基于CSES和MED的滚动轴承微弱故障特征提取［J］. 振动·测试与诊断， 2021 ， 41 （ 4 ）： 660 - 666 .

KANG Wei ， ZHU Yongsheng ， YAN Ke ， et al . Weak fault extraction of rolling element bearings based on CSES and MED ［J］. Journal of Vibration ，Measurement & Diagnosis， 2021 ， 41 （ 4 ）： 660 - 666 . （In Chinese）

MCDONALD G L ， ZHAO Q ， ZUO M J . Maximum correlated Kurtosis deconvolution and application on gear tooth chip fault detection ［J］. Mechanical Systems and Signal Processing ， 2012 ， 33 ： 237 - 255 .

任良，甄龙信，赵云，等 . 基于SSA-VMD-MCKD的强背景噪声环境下滚动轴承故障诊断［J］. 振动与冲击， 2023 ， 42 （ 3 ）： 217 - 226 .

REN Liang ， ZHEN Longxin ， ZHAO Yun ， et al . Fault diagnosis of rolling bearing under strong background noise based on SSA-VMD-MCKD ［J］. Journal of Vibration and Shock ， 2023 ， 42 （ 3 ）： 217 - 226 . （In Chinese）

MCDONALD G L ， ZHAO Q . Multipoint optimal minimum entropy deconvolution and convolution fix：application to vibration fault detection ［J］. Mechanical Systems and Signal Processing ， 2017 ， 82 ： 461 - 477 .

曹亚磊，杜应军，韦广，等 . SGMD-MOMEDA滚动轴承故障特征提取方法研究［J］. 机械强度， 2022 ， 44 （ 6 ）： 1279 - 1285 .

CAO Yalei ， DU Yingjun ， WEI Guang ， et al . Research on rolling bearing fault feature extraction method with SGMD-MOMEDA ［J］. Journal of Mechanical Strength ， 2022 ， 44 （ 6 ）： 1279 - 1285 . （In Chinese）

BUZZONI M ， ANTONI J ， D’ELIA G . Blind deconvolution based on cyclostationarity maximization and its application to fault identification ［J］. Journal of Sound and Vibration ， 2018 ， 432 ： 569 - 601 .

CHEN B Y ， ZHANG W H ， SONG D L ， et al . Blind deconvolution assisted with periodicity detection techniques and its application to bearing fault feature enhancement ［J］. Measurement ， 2020 ， 159 ： 107804 .

CHENG Y ， CHEN B Y ， ZHANG W H . Adaptive multipoint optimal minimum entropy deconvolution adjusted and application to fault diagnosis of rolling element bearings ［J］. IEEE Sensors Journal ， 2019 ， 19 （ 24 ）： 12153 - 12164 .

ZHANG B Y ， MIAO Y H ， LIN J ， et al . Adaptive maximum second-order cyclostationarity blind deconvolution and its application for locomotive bearing fault diagnosis ［J］. Mechanical Systems and Signal Processing ， 2021 ， 158 ： 107736 .

WANG Z J ， ZHOU J ， DU W H ， et al . Bearing fault diagnosis method based on adaptive maximum cyclostationarity blind deconvolution ［J］. Mechanical Systems and Signal Processing ， 2022 ， 162 ： 108018 .

QIN L M ， YANG G ， SUN Q . Maximum correlation Pearson correlation coefficient deconvolution and its application in fault diagnosis of rolling bearings ［J］. Measurement ， 2022 ， 205 ： 112162 .

CHENG Y ， ZHOU N ， ZHANG W H ， et al . Application of an improved minimum entropy deconvolution method for railway rolling element bearing fault diagnosis ［J］. Journal of Sound and Vibration ， 2018 ， 425 ： 53 - 69 .

XUE J K ， SHEN B . A novel swarm intelligence optimization approach：sparrow search algorithm ［J］. Systems Science & Control Engineering ， 2020 ， 8 （ 1 ）： 22 - 34 .

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于多模态信息融合的抽油机故障诊断技术研究

基于扩散卷积神经网络的三相感应电动机轴承故障诊断研究

基于双通道信息融合和VCC-FuseNet的电机滚动轴承故障诊断

基于多指标优化TQWT稀疏表示的轴承故障诊断

基于深度学习与SMOTE数据增强的旋转机械故障诊断研究