K-VMD融合包络熵与SVM滚动轴承故障识别方法研究

CORC > 兰州理工大学 > 兰州理工大学

	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.