摘要
针对滚动轴承早期故障特征微弱不易识别的问题,提出以分解模态分量最小包络熵为目标函数,采用白鲸优化算法(Beluga Whale Optimization,BWO)求解变分模态分解(Variational Mode Decomposition,VMD)超参数的参数优化变分模态分解方法,利用分解得到的最小包络熵的模态分量结合奇异谱熵(Singular Spectral Entropy,SSE)进行特征提取,采用支持向量机(Support Vector Machine,SVM)进行滚动轴承的故障诊断识别。通过滚动轴承诊断识别实验分析,并与经验模态分解和局部均值分解算法对比,结果表明,基于BWO优化VMD和奇异谱熵的故障特征提取方法具有较好的故障识别率,能够实现滚动轴承的故障诊断。
出处
《装备制造技术》
2023年第9期156-161,共6页
Equipment Manufacturing Technology
基金
广西高校中青年教师科研基础能力提升项目“地铁列车转向架滚动轴承故障特征提取分析及诊断方法研究”(2022KY1402)
广西高校中青年教师科研基础能力提升项目“城轨车辆电磁接触器碰撞弹跳动态特性及其影响因素分析”(2021KY1383)
广西高校中青年教师科研基础能力提升项目“基于三维荧光光谱法对水中多环芳烃定性定量分析”(2022KY1040)。
