Noise and Vibration Control ›› 2023, Vol. 43 ›› Issue (3): 83-89.

Previous Articles     Next Articles

Fault Diagnosis Method of Rotor Systems Based on Adaptive VMD and GRNN

  

  • Received:2022-02-20 Revised:2022-04-15 Online:2023-06-18 Published:2023-06-18

基于自适应VMD与GRNN的转子系统故障诊断方法研究

别锋锋1, 2,张莹1, 2,吴溢凡1, 2,彭剑1, 2,朱鸿飞1, 2   

  1. ( 1. 常州大学机械与轨道交通学院, 江苏常州213164;
    2. 常州大学江苏省绿色过程装备重点实验室, 江苏常州213164 )

摘要: 提出一种基于自适应变分模态分解(Variational Mode Decomposition,VMD)与广义回归神经网络(Generalized Regression Neural Network,GRNN)的故障诊断方法,有效解决转子系统振动信号特征提取与复合故障模式识别的问题。首先通过VMD将采集到的原始信号自适应分解为一系列的内涵模态分量(Intrinsic Mode Functions,IMF),然后根据相关系数-峭度准则选取IMF 分量进行信号重构。最后获取重构信号的精细复合多尺度散布熵(Refined Composite Multiscale Dispersion Entropy,RCMDE)、均方根以及重心频率构成特征向量集,输入到GRNN神经网络进行训练和故障模式识别。数值仿真与故障模拟实验结果表明:采用基于自适应VMD与GRNN神经网络的方法可有效识别转子系统中的多故障模式。

关键词: 故障诊断, 转子系统, VMD, 特征融合, GRNN神经网络, 模式识别