欢迎来到天天文库
浏览记录
ID:44119981
大小:107.00 KB
页数:12页
时间:2019-10-18
《基于变分模态分解和排列熵的滚动轴承故障诊断》由会员上传分享,免费在线阅读,更多相关内容在工程资料-天天文库。
1、基于变分模态分解和排列爛的滚动轴承故障诊断郑小霞周国旺任浩翰符杨上海电力学院自动化工程学院上海东海风力发电有限公司摘要:滚动轴承早期故障信号特征微弱且难以提取,为了从轴承振动信号中提取特征参数用于轴承故障诊断和识别,提出基于变分模态分解(VariationalModeDecomposition,VMD)和排列爛(PermutationEntropy,PE)的信号特征提取方法,并釆用支持向量机(SupportVectorMachine,SVM)进行故障识别。对轴承振动信号进行变分模态分解,得到不同尺度的本征模态函数;计算各本征模态函数的排列爛,组成多尺度的复杂性度量特征向量;将高维
2、特征向量输入基于支持向量基建立的分类器进行故障识别分类。通过滚动轴承实验数据分析了算法中参数选取问题,将该方法应用于滚动轴承实验数据,并与集合经验模态分解和小波包分解进行对比,分析结果表明,基于变分模态分解和排列爛的诊断方法有更高的诊断准确率,能够有效实现滚动轴承的故障诊断。关键词:变分模态分解;排列嫡;支持向量机;滚动轴承;故障诊断;作者简介:郑小霞,女,博士,副教授,1978年生收稿日期:2016-03-21基金:国家自然科学基金(51507098)ArollingbearingfauItdiagnosismethodbasedonvariationalmodedecompo
3、sitionandpermuta/tionentropyZHENGXiaoxiaZHOUGuowangRENHaohanFUYangSchoolofAutomationEngineering,ShanghaiUniversityofElectriePower;ShanghaiDonghaiWindPowerCo.,Ltd.;Abstract:TheincipientfauItcharacteristicofrollingbearingvibrationsignalsisweakanddifficulttoextract.Inordertoextractthecharacteris
4、ticparametersfromabearingvibrationsignalforbearingfaultdiagnosis,asignalcharacteristicsextFactionmethodbasedonthevariationalmodedecompositionandpermutationentropywasproposed.ThesupportvectormachincwasusedforfauItrccognition.Firstly,thebearingvibrationsignalwasdecomposedbythevariationalmodedec
5、omposition,andtheintrinsicmodefunctionswereobtainedindifferentscales.Secondly,thepermutationentropyofeachintrinsicmodefunctionwascalculatedandusedtocomposethemultisealefeaturevector.Final1y,thehigh-dimcnsionalfeaturcvectorwasinputtothesupportvectormachincforbearingfaultdiagnosis.Thecomparison
6、ismadewithEEMDandWPD(waveletpacketdecomposition)•Theexperimentalresultsshowthattheproposedmethodcanbeusedtodiagnosebearingfaultseffectively.Keyword:voriationalmodedecomposition;pcnnutationentropy;supportvectormachine;rollingbearing;faultdiagnosis;Received:2016-03-21滚动轴承是机械设备中广泛应用的零部件,其运行状态好坏将
7、直接影响设备的生产效率和安全。在机械设备实际运行中,若不能及时发现滚动轴承早期故障,其故障产生的冲击会加速滚动轴承的损坏,最终导致滚动轴承失效,对机械正常运行带来严重影响。因此,对滚动轴承运行状态监测与诊断,尤其是滚动轴承早期故障诊断具有十分重要的意义[1]O变分模态分解(VariationalModeDecomposition,VMD)是由Dragomiretskiy等提岀的一种自适应信号处理方法,通过迭代搜寻变分模态的最优解,不断更新各模态函数及屮心频率,得到若干具有一定带宽
此文档下载收益归作者所有