基于VMD-IMDE-PNN的滚动轴承故障诊断方法

噪声与振动控制 ›› 2022, Vol. 42 ›› Issue (5): 96-101.

基于VMD-IMDE-PNN的滚动轴承故障诊断方法

刘备，蔡剑华，彭梓齐

（湖南文理学院数理学院，湖南常德415000)

收稿日期:2021-08-19 修回日期:2021-11-08 出版日期:2022-10-18 发布日期:2022-10-18

Rolling Bearing Fault Diagnosis Method Based on VMD-IMDE-PNN

#br#

Received:2021-08-19 Revised:2021-11-08 Online:2022-10-18 Published:2022-10-18

摘要/Abstract

摘要： 为了提高滚动轴承故障诊断的准确性，提出一种变分模态分解( Variational Mode Decomposition，VMD )、改进粗粒化多尺度散布熵( Improved Coarse-grained Multi-scale Dispersion Entropy，IMDE )和概率神经网络(Probabilistic Neural Network，PNN )相结合的滚动轴承故障诊断方法。首先对振动信号进行VMD处理，根据互相关系数准则筛选最佳模态分量，突显振动信号的故障特性；然后针对多尺度散布熵（Multi-scale Dispersion Entropy，MDE）不稳定的缺点，对MDE的粗粒化过程进行改进，提出IMDE的非线性分析方法。模拟信号分析结果表明，相比于MDE方法，IMDE方法降低了熵值波动，提高了熵值稳定性。将两种方法运用于实际滚动轴承实验数据，发现相比于MDE，IMDE熵值曲线更平滑稳定，不同滚动轴承状态下的IMDE熵值曲线区分更加明显。最后采用PNN对提取的特征进行识别，与MPE-PNN，MDE-PNN以及VMD-MDE-PNN方法相比，所提的MD-IMDE-PNN方法能精确地识别滚动轴承的故障类型，且识别率更高。

关键词: 故障诊断, 变分模态分解, 改进粗粒化多尺度散布熵, 概率神经网络, 滚动轴承

刘备, 蔡剑华, 彭梓齐. 基于VMD-IMDE-PNN的滚动轴承故障诊断方法[J]. 噪声与振动控制, 2022, 42(5): 96-101.

[1]	吕凤霞缪益别锋锋彭剑李荣荣. ICEEMDAN和GS-SVM算法在滚动轴承声发射故障诊断中的应用研究[J]. 噪声与振动控制, 2022, 42(6): 92-97.
[2]	李志农. 基于集合经验模态分解-四线性平行因子机械多故障欠定盲分离方法研究[J]. 噪声与振动控制, 2022, 42(6): 98-104.
[3]	鲍怀谦魏永长张宗振王金瑞张国伟田志远. EMD-CSF在滚动轴承早期微弱故障诊断中的应用[J]. 噪声与振动控制, 2022, 42(6): 105-110.
[4]	段浩明王绕芬. 1DAMCNN方法在滚动轴承故障诊断中的应用[J]. 噪声与振动控制, 2022, 42(6): 111-118.
[5]	施杰胡益嘉张毅杰王森张溟晨. DCGAN结合CNN诊断不均衡小样本的滚动轴承故障[J]. 噪声与振动控制, 2022, 42(6): 130-136.
[6]	章余景博焦晓璇何宇廷孙宏达鲍杰. 基于改进的CNN-SVM的机载燃油泵故障诊断[J]. 噪声与振动控制, 2022, 42(6): 137-142.
[7]	孙国栋, 杨雄, 黄得龙, 高媛. 基于浅层Inception-MobileNet旋转机械故障诊断[J]. 噪声与振动控制, 2022, 42(5): 108-115.
[8]	高永新, 戴忠林, 秦灿. GASA-PSO优化算法共振稀疏分解齿轮故障诊断研究#br#[J]. 噪声与振动控制, 2022, 42(5): 123-127.
[9]	李纯辉, 马永财, 徐国林, 赵海洋, 赵海峰. 基于SVMFE的往复压缩机气阀故障诊断方法[J]. 噪声与振动控制, 2022, 42(5): 128-133.
[10]	胡春生, 李国利, 马良, 闫小鹏, 魏红星. 改进TCPN变工况轴承故障诊断方法[J]. 噪声与振动控制, 2022, 42(5): 134-141.
[11]	刘峰, 任丽佳. 基于最大相关峭度解卷积行星齿轮箱微弱故障诊断#br#[J]. 噪声与振动控制, 2022, 42(5): 154-158.
[12]	施胜丹, 黄金军, 赵文强, 杨勇, 王枭. 基于Hankel矩阵与图结构的GIS设备运行状态识别方法[J]. 噪声与振动控制, 2022, 42(5): 159-164.
[13]	张阿中, 刘建新, 蔡久凤. 考虑轴承故障高速列车齿轮传动系统振动响应分析[J]. 噪声与振动控制, 2022, 42(5): 165-170.
[14]	涂文兵, 梁杰, 周建民, 杨锦雯, 杨本梦. 滚动轴承振动特性评价指标工况敏感度分析[J]. 噪声与振动控制, 2022, 42(4): 93-99.
[15]	褚惟, 王贵勇, 刘韬, 王振亚. 麻雀算法参数优化VMD联合K-SVD的滚动轴承故障诊断[J]. 噪声与振动控制, 2022, 42(4): 100-106.