基于变分模态分解和多尺度排列熵的滚动轴承故障诊断

基于变分模态分解和多尺度排列熵的滚动轴承故障诊断

论文摘要

针对滚动轴承故障振动信号非平稳性、故障特征提取效果不理想以及故障诊断准确性低等问题,提出基于变分模态分解和多尺度排列熵的滚动轴承故障特征提取方法,并采用经粒子群算法优化的概率神经网络(PSO-PNN)故障诊断模型进行故障类型识别。通过变分模态分解方法将提取的振动信号分解成K个模态分量,进一步计算K个分量的多尺度排列熵,组成多尺度的特征向量,将特征向量输入到PSO-PNN故障诊断模型中识别故障类型。MATLAB仿真结果表明,该方法使故障类型识别准确率有所提高。

论文目录

  • 1 VMD-MPE故障特征提取算法
  •   1.1 变分模态分解
  •   1.2 多尺度排列熵
  • 2 PSO-PNN故障诊断模型
  • 3 实验分析
  •   3.1 滚动轴承振动数据提取
  •   3.2 基于VMD与MPE提取故障特征
  •   3.3 基于PSO-PNN故障诊断
  •   3.4 实验结果
  • 4 结语
  • 文章来源

    类型: 期刊论文

    作者: 张建财,高军伟

    关键词: 故障诊断,变分模态分解,多尺度排列熵,粒子群算法,概率神经网络

    来源: 噪声与振动控制 2019年06期

    年度: 2019

    分类: 工程科技Ⅱ辑,信息科技

    专业: 机械工业,自动化技术

    单位: 青岛大学自动化学院

    基金: 山东省自然科学基金资助项目(ZR2019MF063),山东省重点研发计划资助项目(2017GGX10115)

    分类号: TP18;TH133.33

    页码: 181-186

    总页数: 6

    文件大小: 1953K

    下载量: 448

    相关论文文献

    标签:;  ;  ;  ;  ;  

    基于变分模态分解和多尺度排列熵的滚动轴承故障诊断
    下载Doc文档

    猜你喜欢