首页|基于谱熵梅尔积和改进VMD的轴承故障预警

基于谱熵梅尔积和改进VMD的轴承故障预警

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对传统轴承故障预警实时性较差、故障特征提取准确性影响预警效果的问题,将语音端点识别思想进行迁移,采用谱熵梅尔积特征的双门限法实时追踪故障起始点.为克服变分模态分解(variational mode decomposi-tion,VMD)参数选取不当和端点效应对提取效果造成的影响,提出能量差网格搜索法对VMD进行参数寻优,并用支持向量回归机对端点效应进行抑制,结合多尺度加权排列熵在检测振动信号随机性方面的优势,充分发挥VMD对信号的重构能力,对起始点后的故障段进行特征捕捉.通过实际轴承故障信号的实验及数据分析,验证了该方法在轴承故障预警中的有效性.
Bearing Fault Warning Based on MFPH and Improved VMD

马小平、李博华、蔡蔓利、韩正化、陈泽彭

展开 >

中国矿业大学信息与控制工程学院,江苏,徐州221116

谱熵梅尔积 改进变分模态分解 多尺度加权排列熵 轴承故障诊断

国家重点研发计划资助项目江苏省重点研发计划资助项目

2018YFC0808100SBE2016000850

2021

10.15918/j.tbit1001-0645.2020.128

北京理工大学学报
北京理工大学

北京理工大学学报

CSTPCDCSCD北大核心
影响因子：0.609
ISSN：1001-0645
年,卷(期)：2021.41(11)
  • 6
  • 10