基于遗传算法的自适应随机共振与VMD分解的轴承故障诊断方法

• 作者: 何园园 张超
• 来源期刊: 机械传动
• 关键词: 随机共振 遗传算法 VMD 故障诊断
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 开发应用
• 页码范围: 156-163
• 页数: 8页
• 语种: 中文
• DOI: 10.16578/j.issn.1004.2539.2018.04.031

摘要

随机共振(Stochastic resonance,SR)在处理实测轴承故障信号时需满足绝热近似条件,即需满足小参数信号(信号幅值、信号频率、噪声强度远小于1),这一问题极大地制约了对实测振动信号的检测,针对这一现象,提出基于遗传算法的自适应变尺度随机共振与变分模态分解(Variational mode decomposition,VMD)的轴承故障诊断方法.首先,设定合适的压缩比R将实测信号进行压缩,使其满足小参数条件;然后,定义信号的输出信噪比为目标函数,利用遗传算法(Genetic algorithm,GA)对变尺度随机共振的结构参数a和b进行同步优化,选取最优值代入变尺度随机共振中对实测信号进行消噪处理;最后,将降噪信号进行VMD分解,从分解得到的各IMF分量的频谱图中识别轴承故障特征频率.对实验数据分析的结果表明,该方法可有效地提高轴承故障诊断的准确度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张超		63	448	11.0	20.0
2	何园园		4	9	2.0	3.0