K-VMD融合包络熵与SVM滚动轴承故障识别方法研究 | |
刘强; 赵荣珍; 杨泽本 | |
刊名 | 噪声与振动控制 |
2022-06-18 | |
卷号 | 42期号:03页码:92-97+121 |
关键词 | 故障诊断 变分模态分解 能量占比 包络熵 支持向量机 峭度准则 |
英文摘要 | 针对滚动轴承振动信号非平稳、非线性导致的故障特征难以提取和类别难以辨识问题,提出一种基于能量占比优化变分模态分解(Variational Mode Decomposition,VMD)并融合包络熵与支持向量机(Support Vector Machine,SVM)的滚动轴承故障辨识方法。首先,设定VMD预分解层数K的范围,对振动信号进行分解;其次,分别计算出在不同K值下对应的各模态能量和,根据各模态能量之和与原始信号的能量之间的比值,确定最佳分解层数;然后,依据峭度准则筛选出有效的模态分量,同时计算其对应的包络熵值并组成特征向量;最后,将所构建的特征向量输入SVM中进行轴承故障类别的辨识。通过对转子综合实验台所采集的滚动轴承信号进行分析,结果表明,该方法可以对滚动轴承故障进行准确的辨别,为提高故障辨识准确率提供了一种新途径。 |
URL标识 | 查看原文 |
语种 | 中文 |
内容类型 | 期刊论文 |
源URL | [http://ir.lut.edu.cn/handle/2XXMBERH/158782] |
专题 | 兰州理工大学 |
作者单位 | 兰州理工大学机电工程学院 |
推荐引用方式 GB/T 7714 | 刘强,赵荣珍,杨泽本. K-VMD融合包络熵与SVM滚动轴承故障识别方法研究[J]. 噪声与振动控制,2022,42(03):92-97+121. |
APA | 刘强,赵荣珍,&杨泽本.(2022).K-VMD融合包络熵与SVM滚动轴承故障识别方法研究.噪声与振动控制,42(03),92-97+121. |
MLA | 刘强,et al."K-VMD融合包络熵与SVM滚动轴承故障识别方法研究".噪声与振动控制 42.03(2022):92-97+121. |
个性服务 |
查看访问统计 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论