首页 | 本学科首页   官方微博 | 高级检索  
     

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. DOI: 10.3969/j.issn.1671-1815.2021.09.025
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...

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:2020-06-08
修稿时间:2021-03-25

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. DOI: 10.3969/j.issn.1671-1815.2021.09.025
Authors:Zhang Jing  Ji Junqing  Xu Tongle  Zou Fanghao  Zhang Han
Affiliation: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》下载全文
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号