10.3969/j.issn.1006-1355.2020.01.011
基于改进SVD及参数优化VMD的轴承故障诊断
为解决轴承早期故障特征难以提取的问题,提出一种基于改进奇异值分解(SVD)及参数优化变分模态分解(VMD)的轴承故障诊断方法.首先,对原始故障信号进行SVD降噪、微弱故障信号的分离,通过包络熵最小、峭度最大原则对其重构矩阵的秩进行优化.其次,对改进SVD降噪后所得信号进行VMD分解,将包络谱幅值峭度和峭度构成新的指标(合成峭度),通过所有本征模态分量(Intrinsic Mode Function,IMF)的合成峭度均值最大原则对VMD的参数进行优化,获得若干的IMFs.最后,根据峭度-欧氏距离指标筛选出含故障信息丰富的IMF,进行包络解调运算,分析信号的包络谱判断轴承故障类型.通过对仿真信号和实测信号进行分析,可成功提取出微弱特征频率信息.由此表明,基于改进SVD及参数优化VMD的轴承故障诊断方法可有效地实现轴承早期故障诊断,具有一定的可靠性和实用性.
故障诊断、奇异值分解、变分模态分解、合成峭度、参数优化
40
TH165.3
甘肃省自然科学基金资助项目17JR5RA102;甘肃省高校协同创新团队资助项目2018C-12;兰州市人才创新创业资助项目2017-RC-66
2020-04-10（万方平台首次上网日期，不代表论文的发表时间）
共8页
51-58
