基于SHO-VMD分解和多特征参数的变工况滚动轴承故障诊断 |
| |
引用本文: | 刘伟,梁涛,李涛,姜文.基于SHO-VMD分解和多特征参数的变工况滚动轴承故障诊断[J].机床与液压,2022,50(19):185-193. |
| |
作者姓名: | 刘伟 梁涛 李涛 姜文 |
| |
作者单位: | 河北工业大学人工智能与数据科学学院;河北建设能源投资股份有限公司 |
| |
基金项目: | 河北省科技支撑计划(19210108D;19214501D;20314501D;F2021202022)资助项目 |
| |
摘 要: | 风机在多种工况条件下运行时,利用轴承的振动监测系统所检测到的信号难以实现故障诊断,而大量文献研究的轴承故障诊断多是在恒定转速下进行的。针对变工况下运行的滚动轴承,提出一种基于SHO-VMD分解和多特征参数融合的特征提取方法,使用t-SNE降维可视化,提取出振动信号的故障信息与转速变化信息。变分模态分解(VMD)方法的分解效果取决于分解个数和惩罚因子的取值,采用自私羊群优化算法(SHO)对参数进行优化,将振动信号分解为一些本征模态分量,再对每组分量进行特征参数提取,基于奇异值特征、能量熵、样本熵特征进行多特征量融合,使用t-SNE降维来提取轴承故障信息以及速度变化信息,实验结果表明:提出的方法可以有效提取出轴承的故障和速度信息。
|
关 键 词: | SHO优化算法 变分模态分解 多特征量 滚动轴承 故障诊断 变工况 |
|
| 点击此处可从《机床与液压》浏览原始摘要信息 |
|
点击此处可从《机床与液压》下载全文 |