由于机械设备实际运行状态下环境噪声的影响,轴承早期非平稳振动信号的故障特征难以有效提取。为此,将K值优化的变分模态分解引入轴承的早期故障诊断方法中。首先利用小波包降噪法对轴承实际振动信号进行降噪;然后利用K值优化的VMD算法,通过合理设置参数K,将降噪信号分解为若干本征模态分量,利用峭度值选取最佳分量;最后提取最佳分量的样本熵和排列熵组成特征向量,利用模糊C聚类识别轴承的故障类型。实验结果表明,该方法避免了信号的过分解,能有效提取振动信号特征,实现轴承的早期故障诊断。
类型: 期刊论文
作者: 宋玉琴,邓思成,路彦刚
关键词: 值优化,故障诊断,轴承
来源: 测控技术 2019年04期
年度: 2019
分类: 信息科技,工程科技Ⅱ辑
专业: 机械工业
单位: 西安工程大学电子信息学院
基金: 中国纺织工业联合会科技指导性项目(2017070),西安市科技计划资助项目(201805030YD8CG14C17),陕西省教育厅专项科研计划项目(18JK0358)
分类号: TH133.3
DOI: 10.19708/j.ckjs.2019.04.024
页码: 117-121
总页数: 5
文件大小: 668K
下载量: 194
本文来源: https://www.lunwen66.cn/article/0dee93a9aaaa0fc0c340149a.html