基于VMD多特征融合与PSO-SVM的滚动轴承故障诊断 |
| |
作者姓名: | 张龙 宋成洋 邹友军 崔路瑶 雷兵 |
| |
作者单位: | 华东交通大学机电与车辆工程学院,南昌330013;华东交通大学机电与车辆工程学院,南昌330013;华东交通大学机电与车辆工程学院,南昌330013;华东交通大学机电与车辆工程学院,南昌330013;华东交通大学机电与车辆工程学院,南昌330013 |
| |
基金项目: | 国家自然科学基金;江西省自然科学基金;江西省自然科学基金 |
| |
摘 要: | 滚动轴承处于早期故障阶段时,故障冲击特征成分难以提取,为了从轴承故障振动信号中提取特征参数,对轴承故障振动信号进行变分模态分解(Variational Mode Decomposition,VMD),得到若干个本征模态分量(IMFs),计算各个IMF的能量熵与样本熵,并利用主成分分析方法(PCA)对其进行特征融合。最后利用粒子群算法(PSO)优化的支持向量机(SVM)对融合特征进行故障模式识别。轴承故障实验分析结果表明,所提方法能够有效实现滚动轴承故障诊断。
|
关 键 词: | 变分模态分解 样本熵 支持向量机 粒子群算法 故障诊断 |
本文献已被 CNKI 万方数据 等数据库收录! |
|