K值优化的VMD在轴承故障诊断中的应用

• 作者: 宋玉琴 路彦刚 邓思成
• 来源期刊: 测控技术
• 学科: 工学
• 关键词: VMD K值优化 故障诊断 轴承
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 数据采集与处理
• 页码范围: 117-121
• 页数: 5页
• 分类号: TH133.33|TP206.3
• 字数: 3515字
• 语种: 中文
• DOI: 10.19708/j.ckjs.2019.04.024

摘要

由于机械设备实际运行状态下环境噪声的影响,轴承早期非平稳振动信号的故障特征难以有效提取.为此,将K值优化的变分模态分解引入轴承的早期故障诊断方法中.首先利用小波包降噪法对轴承实际振动信号进行降噪;然后利用K值优化的VMD算法,通过合理设置参数K,将降噪信号分解为若干本征模态分量,利用峭度值选取最佳分量;最后提取最佳分量的样本熵和排列熵组成特征向量,利用模糊C聚类识别轴承的故障类型.实验结果表明,该方法避免了信号的过分解,能有效提取振动信号特征,实现轴承的早期故障诊断.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	宋玉琴	西安工程大学电子信息学院	37	151	7.0	10.0
2	邓思成	西安工程大学电子信息学院	3	3	1.0	1.0
3	路彦刚	西安工程大学电子信息学院	2	3	1.0	1.0