Print

二次VMD筛选-MPE和FCM相结合的故障诊断方法

论文摘要

针对单向阀振动信号含有背景噪声,故障特征提取困难和诊断精度不高的问题,提出了二次变分模态分解(二次VMD)、多尺度排列熵(MPE)和模糊C均值聚类(FCM)相结合的故障诊断方法。首先,通过二次VMD对振动信号进行分解,再使用双阈值法筛选得到有用的本征模态函数(IMF)。其次,提取重构信号中具有敏感特性的MPE特征。最后,将故障特征输入至FCM得到聚类中心,并根据海明贴近度对待识别样本进行分类。通过多组对比实验,结果表明二次VMD筛选能有效去除噪声及虚假成分,MPE具有更好的敏感故障特征表征能力。同时,使用FCM对模糊特征进行聚类能够取得比传统支持向量机(SVM)更好的效果。

论文目录

  • 1 二次变分模态分解
  •   1.1 变分模态分解
  •     1) 模型构造
  •     2) 模型求解
  •   1.2 二次变分模态分解
  • 2 多尺度排列熵特征提取
  •   2.1 多尺度排列熵
  •   2.2 特征提取
  • 3 二次VMD和FCM的故障诊断方法
  • 4 轴承数据实验研究
  •   4.1 二次VMD筛选及重构分析
  •   4.2 特征提取及故障诊断
  • 5 单向阀故障诊断
  •   5.1 模态选取
  •   5.2 特征提取及故障诊断
  • 6 结论

    • 文章来源

    类型: 期刊论文

    作者: 周成江,吴建德,袁徐轶

    关键词: 二次变分模态分解,多尺度排列熵,双阈值法,单向阀,故障诊断

    来源: 机械科学与技术 2019年08期

    年度: 2019

    分类: 工程科技Ⅱ辑

    专业: 机械工业

    单位: 昆明理工大学信息工程与自动化学院,云南省矿物管道输送工程技术研究中心

    基金: 国家自然科学基金项目(61663017,51765022),云南省科技计划项目(2015ZC005)资助

    分类号: TH17

    DOI: 10.13433/j.cnki.1003-8728.20180293

    页码: 1173-1184

    总页数: 12

    文件大小: 4659K

    下载量: 250

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/f3b727d3244d1064376f15e3.html