基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对往复压缩机轴承振动信号的复杂多分量耦合特性,提出了一种基于参数优化VMD和MDE的往复压缩机轴承故障诊断方法.利用遗传算法搜索VMD算法的最佳影响参数组合,确定VMD算法需要设定的带宽参数和分量个数对故障信号分解.计算分解后各BLIMF分量的峭度值,筛选出最佳BLIMF分量并重构故障信号,然后对重构后故障信号进行MDE分析形成故障特征向量,输入到极限学习机中进行分类识别.对往复压缩机轴承故障实测信号进行分析,实验结果表明,该方法可有效提取出往复压缩机轴承故障特征,特征向量具有较好可分性,实现了往复压缩机轴承故障特征的有效识别.
推荐文章
基于LMD多尺度熵与SVM的往复压缩机轴承故障诊断方法
往复压缩机
LMD
多尺度熵
轴承
故障诊断
基于RBF神经网络的往复压缩机气阀故障诊断
往复压缩机气阀
故障诊断
RBF神经网络
往复式压缩机故障诊断研究现状及展望
往复式压缩机
监测
故障诊断
综述
基于VMD和对称差分能量算子解调的滚动轴承故障诊断方法
变分模态分解
对称差分能量算子
峭度
滚动轴承
故障诊断
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于参数优化VMD和MDE的往复压缩机轴承 故障诊断方法
来源期刊 组合机床与自动化加工技术 学科 工学
关键词 往复压缩机 轴承 参数优化VMD MDE
年,卷(期) 2019,(4) 所属期刊栏目 控制与检测
研究方向 页码范围 120-123,132
页数 5页 分类号 TH165+.3|TG506
字数 4411字 语种 中文
DOI 10.13462/j.cnki.mmtamt.2019.04.029
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 李颖 东北石油大学机械科学与工程学院 19 58 4.0 7.0
2 赵海洋 东北石油大学机械科学与工程学院 26 115 5.0 10.0
3 王金东 东北石油大学机械科学与工程学院 58 218 8.0 12.0
4 宋美萍 东北石油大学机械科学与工程学院 7 2 1.0 1.0
5 刘著 东北石油大学机械科学与工程学院 2 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (23)
共引文献  (94)
参考文献  (10)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1983(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(1)
  • 参考文献(1)
  • 二级参考文献(0)
2005(2)
  • 参考文献(0)
  • 二级参考文献(2)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(2)
  • 参考文献(1)
  • 二级参考文献(1)
2009(2)
  • 参考文献(0)
  • 二级参考文献(2)
2010(3)
  • 参考文献(0)
  • 二级参考文献(3)
2011(5)
  • 参考文献(0)
  • 二级参考文献(5)
2012(7)
  • 参考文献(3)
  • 二级参考文献(4)
2013(3)
  • 参考文献(1)
  • 二级参考文献(2)
2014(2)
  • 参考文献(1)
  • 二级参考文献(1)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2016(2)
  • 参考文献(2)
  • 二级参考文献(0)
2019(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
往复压缩机
轴承
参数优化VMD
MDE
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
组合机床与自动化加工技术
月刊
1001-2265
21-1132/TG
大16开
大连市沙河口区新生路80号504室
8-62
1959
chi
出版文献量(篇)
9363
总下载数(次)
11
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导