一种改进的VMD及其在轴承故障诊断中的应用

• 作者: 金志浩 穆鹏丞 张义民 张凯
• 来源期刊: 机械设计与制造
• 学科: 工学
• 关键词: 自适应变分模态分解 多尺度排列熵 最小二乘支持向量机 滚动轴承 故障诊断
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 理论与方法研究|Study on Theory and Method
• 页码范围: 42-46
• 页数: 5页
• 分类号: TH16|TP206.3|TH133.3
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3997.2022.02.009

摘要

针对VMD在实际工程中需要凭借人为经验设定本征模态分量(IMF)个数,提出了一种通过频谱极值点与自适应阈值之间的关系确定VMD中的最佳IMF数量的策略,称为自适应变分模态分解(Adaptive Variational Modal Decomposi-tion,AVMD),并将其结合最小二乘支持向量机(LSSVM)用于滚动轴承故障诊断.首先利用AVMD对轴承信号分解获得多个IMF分量后根据峭度值将分量信号重构,然后提取重构信号的多尺度排列熵作为训练LSSVM的特征向量,最后用获得的诊断模型对未知的轴承故障进行分类.通过仿真分析及轴承信号的诊断结果表明,AVMD能够有效的将多频率组成的复杂信号分离成几个有效的IMF组合形式,且结合LSSVM的诊断模型具有较高的识别率.