变分模态分解与神经网络结合的轴承故障诊断 |
| |
作者单位: | ;1.上海开放大学信息与工程学院;2.上海大学机电工程与自动化学院 |
| |
摘 要: | 故障信号特征提取的准确性是保证故障智能诊断识别率的关键因素。低信噪比情况下,故障诊断效果下降。变分模态分解方法(VMD)在信号分解精度和抗噪方面具有明显优势。在分析VMD抗噪性能的基础上,提出以VMD分解的各模态能量作为智能诊断特征信息,并与小波包的特征信息进行对比研究。将滚动轴承两种故障特征信息通过BP神经网络识别,用不同信噪比的加噪故障信号进行测试,结果表明,在低信噪比情况下基于VMD模态能量的故障特征更具有可识别性。
|
关 键 词: | 变分模态分解 小波包 故障特征 滚动轴承 神经网络 |
Fault Diagnosis of Bearing Combined Variational Mode Decomposition(VMD) with Neural Network |
| |
Abstract: | |
| |
Keywords: | |
本文献已被 CNKI 等数据库收录! |
|