-
题名一种自适应选取参数的改进变分模态分解方法
- 1
-
-
作者
李志强
李德文
左洪福
蔡景
张营
-
机构
南京林业大学汽车与交通工程学院
南京航空航天大学民航学院
-
出处
《机电工程》
CAS
北大核心
2024年第6期980-991,共12页
-
基金
国家自然科学基金与民航联合基金重点资助项目(U1933202)。
-
文摘
针对传统的变分模态分解(VMD)方法中模态数和惩罚参数难以确定的问题,提出了一种自适应选取参数的改进变分模态分解方法。首先,综合考虑了故障的冲击性和周期性特点,以Gini指数和谱峰比指标为基础构建了加权谱峰比(WSPR)指标;然后,采用非洲秃鹫优化算法(AVOA)进行了寻优,得到了最佳的模态数和惩罚参数组合,克服了人为主观选择参数的弊端;最后,在VMD分解信号后,利用加权谱峰比最大原则自适应选取了敏感内涵模态分量,对最佳IMF进行了包络解调分析,提取了滚动轴承早期故障特征,利用仿真信号、单一故障滚动轴承试验信号及复合故障滚动轴承试验信号对所述方法进行了验证。实验结果表明:该方法可以准确地提取出仿真信号的故障频率(100 Hz)、单一故障信号的故障频率(236.4 Hz)和复合故障信号的故障频率(内圈故障频率149.14 Hz、外圈故障频率86.39 Hz),并且在与其他方法和指标的对比中,其最佳IMF的包络谱图中故障特征频率及其倍数频的谱峰更加明显,准确率更高且鲁棒性更强。研究结果表明:该方法能够有效提取轴承早期故障信号的微弱特征,实现故障类型准确识别的目的。
-
关键词
滚动轴承
早期故障诊断
变分模态分解
模态数
惩罚参数
非洲秃鹫优化算法
加权谱峰比指标
-
Keywords
rolling bearing
early fault diagnosis
variational mode decomposition(VMD)
number of modes
penalty parameters
African vulture optimization algorithm(AVOA)
weighted spectrum peak ratio(WSPR)index
-
分类号
TH133.33
[机械工程—机械制造及自动化]
-