检索结果

期刊

出版年

关键词

Please wait a minute...

选择:

导出引用
EndNote Ris BibTeX

显示/隐藏图片

Select

1. 遗传算法优化变分模态分解在轴承故障特征提取中的应用

单玉庭, 刘韬, 褚惟, 缪护

噪声与振动控制 2024, 44 (1): 148-153.

摘要（100）

PDF（pc）（2253KB）（280）

针对变分模态分解(Variational Mode Decomposition，VMD)过程中模态分量个数和惩罚参数大小依赖先验知识，单一或顺序优化单一参数可能导致局部最优的问题，提出以包络熵和包络峭度因子作为适应度函数，利用遗传算法全局寻优的特点，对VMD的模态分量个数和惩罚参数组合进行优化。通过最优参数组合下的VMD对信号进行分解，可以获得多个本征模态分量( Intrinsic Mode Function，IMF )，选择适应度函数最小IMF分量作为有效IMF分量进行包络解调，从中提取轴承信号的故障特征频率。对多种轴承故障类型信号进行分析并与其他方法对比，结果表明所提方法能有效提取轴承故障特征，有助于实现微弱故障条件下轴承故障特征频率的准确提取。

相关文章 | 多维度评价

Select

2. 麻雀算法参数优化VMD联合K-SVD的滚动轴承故障诊断

褚惟, 王贵勇, 刘韬, 王振亚

噪声与振动控制 2022, 42 (4): 100-106.

摘要（415）

PDF（pc）（2102KB）（621）

针对经典K-均值奇异值分解(K-means Singular Value Decomposition，K-SVD)易受噪声干扰产生虚假原子，导致信号稀疏不彻底、故障特征识别困难的问题，提出基于麻雀算法优化变分模态分解(Variational Modal Decomposition，VMD) 参数联合K-SVD的滚动轴承故障诊断方法。首先引入包络熵适应度函数指标并基于麻雀算法优化VMD的模态层数k 和平衡因子α。其次利用平方包络谱峭度指标遴选最优模态，以所选模态分量相空间构造Hankel 矩阵进行K-SVD字典学习。最后对恢复至时间序列的稀疏重构信号进行包络解调，提取轴承故障特征频率。通过轴承故障仿真信号和全寿命实验信号进行验证，证明相较于经典K-SVD算法，所提方法在低信噪比条件下在轴承故障特征提取方面具有优势，有一定的工程应用价值。