| 一种基于变分模态分解参数优化的轴承故障诊断方法 |
| |
| 引用本文： | 张静,纪俊卿,许同乐,邹方豪,张涵.一种基于变分模态分解参数优化的轴承故障诊断方法[J].科学技术与工程,2021,21(9):3601-3605. |
| |
| 作者姓名： | 张静 纪俊卿 许同乐 邹方豪 张涵 |
| |
| 作者单位： | 山东理工大学机械工程学院,淄博255000 |
| |
| 基金项目： | 山东省自然科学基金资助项目(ZR2016EEM20)第一作者：张 静(1995—),女,汉族,山东省临沂市,硕士研究生。研究方向：故障诊断。E-mail：zhangjing_2019@126.com。*通信作者：许同乐(1965—),男,汉族,山东省淄博市,博士,教授、博士生导师。研究方向：检测技术。E-mail：xutongle@163.com。 (Shandong University Of Technology, School of Mechanical Engineering, Zibo 255000, China) |
| |
| 摘 要： | 为解决变分模态分解方法在提取齿轮箱滚动轴承的故障特征频率时受模态个数和惩罚项系数影响的问题,提出了一种基于人工鱼群算法优化变分模态分解的轴承故障诊断方法.首先,利用人工鱼群算法优化变分模态分解方法的模态个数和惩罚项系数;其次,故障振动信号经优化的变分模态分解方法分解,获得若干模态分量;最后,筛选包络熵值最小的分量进行包络分析,提取故障特征频率.实验结果表明:在优化参数过程中,寻优收敛时间缩短46％,并最终有效提取轴承故障特征频率.研究结果可解决变分模态分解方法受参数影响的问题,实现轴承故障诊断,具有实际意义.
|
| 关 键 词： | 人工鱼群算法 包络熵 变分模态分解 故障诊断 |
| 收稿时间： | 2020/6/8 0:00:00 |
| 修稿时间： | 2021/3/25 0:00:00 |
A Fault Diagnosis Method of Bearing Based on Parameters Optimized Variational Modal Decomposition |
| |
| Zhang Jing,Ji Junqing,Xu Tongle,Zou Fanghao,Zhang Han.A Fault Diagnosis Method of Bearing Based on Parameters Optimized Variational Modal Decomposition[J].Science Technology and Engineering,2021,21(9):3601-3605. |
| |
| Authors: | Zhang Jing Ji Junqing Xu Tongle Zou Fanghao Zhang Han |
| |
| Institution: | Shandong University Of Technology,School of Mechanical Engineering |
| |
| Abstract: | |
| |
| Keywords: | artificial fish swarm algorithm envelope entropy variational mode decomposition fault diagnosis |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
| 点击此处可从《科学技术与工程》浏览原始摘要信息 |
| 点击此处可从《科学技术与工程》下载免费的PDF全文 |
|
