[1]安冬,梁彬彬,叶井启,等.基于PVMD和MMDE的滚动轴承故障诊断[J].沈阳建筑大学学报(自科版),2023,(3):555-562.[doi:10.11717/j.issn:2095-1922.2023.03.21]
点击复制

基于PVMD和MMDE的滚动轴承故障诊断()
分享到：

《沈阳建筑大学学报(自科版)》[ISSN:1006-6977/CN:61-1281/TN]

卷:
期数:
2023年第3期
页码:
555-562
栏目:
机械工程
出版日期:
2023-06-08

文章信息/Info

作者:
安冬; 梁彬彬; 叶井启; 邵萌; 刘振鹏
关键词:
滚动轴承; 主成分变分模态分解; 均值多尺度散布熵; 支持向量机
DOI:
10.11717/j.issn:2095-1922.2023.03.21
摘要:
目的 针对非线性、非平稳的滚动轴承故障特征信号提取不足进而影响故障判别的问题，提出一种主成分变分模态分解(PVMD)和均值多尺度散布熵(MMDE)的滚动轴承故障诊断方法。方法 首先，采用主成分变分模态分解法处理故障信号,对分解的本征模态函数进行去冗余操作,得到降维主元模态函数(PIMF)；然后，对初始特征信号进行多尺度散布熵运算，求取散布熵的均值形成均值多尺度散布熵(MMDE)；最后，把得到的熵值作为特征向量输入到支持向量机中进行故障判别。结果 在轴承数据集上进行实验验证，该方法的故障识别精度达到了98.33%。结论 相较于对比实验等方法，所提方法有效提取了故障特征,具有很好的故障判别效果，进一步提高了故障诊断识别精度。

相似文献/References:

[1]石怀涛,李宁宁,赵金宝,等.基于压缩采集特征提取与CNN_SVM的滚动轴承的故障诊断[J].沈阳建筑大学学报(自科版),2022,(6):1129.[doi:10.11717/j.issn:2095-1922.2022.06.21]
[2]张珂,杨鹏宇,石怀涛,等.基于改进动态偏最小二乘法故障检测方法[J].沈阳建筑大学学报(自科版),2024,(1):167.[doi:10.11717/j.issn:2095-1922.2024.01.19]
[3]石怀涛 乔思康 龙彦泽 蔡圣福 郭瑾.基于改进主元分析DDPCA的滚动轴承过渡模态早期故障检测方法[J].沈阳建筑大学学报(自科版),2024,(2):352.[doi:10.11717/j.issn:2095-1922.2024.02.19]

更新日期/Last Update: 2023-06-08