基于改进SVD及参数优化VMD的轴承故障诊断

• 作者: 张莹 彭珍瑞 殷红
• 来源期刊: 噪声与振动控制
• 学科: 工学
• 关键词: 故障诊断 奇异值分解 变分模态分解 合成峭度 参数优化
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 信号处理与故障诊断
• 页码范围: 51-58
• 页数: 8页
• 分类号: TH165.3
• 字数: 6627字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-1355.2020.01.011

摘要

为解决轴承早期故障特征难以提取的问题,提出一种基于改进奇异值分解(SVD)及参数优化变分模态分解(VMD)的轴承故障诊断方法.首先,对原始故障信号进行SVD降噪、微弱故障信号的分离,通过包络熵最小、峭度最大原则对其重构矩阵的秩进行优化.其次,对改进SVD降噪后所得信号进行VMD分解,将包络谱幅值峭度和峭度构成新的指标(合成峭度),通过所有本征模态分量(Intrinsic Mode Function,IMF)的合成峭度均值最大原则对VMD的参数进行优化,获得若干的IMFs.最后,根据峭度-欧氏距离指标筛选出含故障信息丰富的IMF,进行包络解调运算,分析信号的包络谱判断轴承故障类型.通过对仿真信号和实测信号进行分析,可成功提取出微弱特征频率信息.由此表明,基于改进SVD及参数优化VMD的轴承故障诊断方法可有效地实现轴承早期故障诊断,具有一定的可靠性和实用性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	殷红	兰州交通大学机电工程学院	57	206	8.0	11.0
2	彭珍瑞	兰州交通大学机电工程学院	71	278	8.0	13.0
3	张莹	兰州交通大学机电工程学院	1	0	0.0	0.0