基于多惩罚因子优化VMD的滚动轴承故障特征提取方法 |
| |
引用本文: | 李波,胡哿郗,石剑钧,刘恒畅,洪涛.基于多惩罚因子优化VMD的滚动轴承故障特征提取方法[J].系统工程与电子技术,2023(11):3690-3698. |
| |
作者姓名: | 李波 胡哿郗 石剑钧 刘恒畅 洪涛 |
| |
作者单位: | 1. 电子科技大学航空航天学院;2. 飞行器集群智能感知与协同控制四川省重点实验室 |
| |
基金项目: | 四川省科技厅科技计划(2023YFG0050,2023YFG0039)资助课题; |
| |
摘 要: | 针对变分模态分解(variational mode decomposition, VMD)在提取滚动轴承故障特征时预先设置多惩罚因子具有不确定性的问题,结合灰狼优化(grey wolf optimization, GWO)算法提出一种基于多惩罚因子优化VMD的滚动轴承故障特征提取方法。首先利用GWO算法实现VMD的多惩罚因子自适应优化,再利用优化得到的参数将滚动轴承的振动信号分解为多个本征模态函数(intrinsic mode function, IMF),最后对各个IMF分量作包络解调提取滚动轴承的故障频率特征。研究结果表明,在优化VMD参数时,该方法相对其他方法优化效率有了明显提高,并且提取滚动轴承故障特征效果显著,得到特征频率幅值为其他方法的2~4倍,证明了该方法的有效性和优越性。
|
关 键 词: | 特征提取 变分模态分解 本征模态函数 滚动轴承 |
|
|