一种增强型的滚动轴承故障诊断

一种增强型的滚动轴承故障诊断
袁东辉;朱愉洁;齐咏生;王研凯
【期刊名称】《计算机仿真》
【年(卷),期】2022(39)10
【摘要】针对强背景噪声环境下,滚动轴承早期微弱故障特征难以准确提取的问题,提出一种参数优化的变分模态分解(VMD)和支持向量机(SVM)的故障诊断方法。

先对轴承振动信号进行VMD分解,并以局部极大包络谱峰值因子作为适应度函数,利
用粒子群寻优算法(PSO)对VMD的影响参数(惩罚因子α及分解个数K)进行自适
应选择,获取包含故障特征的最佳模态分量;计算各个分量的指标特征,根据递归特征消除(RFE)方法筛选出能表征轴承运行状态的5个关键特征,构建故障特征向量组;将特征向量作为SVM的输入,轴承运行状态为输出,建立SVM轴承状态分类识别模型。

通过西储大学平台轴承数据对算法进行验证,结果表明上述方法能够实现滚动轴承
不同故障的准确识别。

【总页数】7页(P526-532)
【作者】袁东辉;朱愉洁;齐咏生;王研凯
【作者单位】内蒙古电力科学研究院;内蒙古工业大学电力学院
【正文语种】中文
【中图分类】TH17
【相关文献】
1.一种基于Conv-LSTM的滚动轴承故障诊断方法
2.用于旋转机械故障诊断的一种张量增强型前向神经网络模型
3.一种基于深度融合模型的滚动轴承故障诊断方法
4.一种改进1DCNN的滚动轴承变工况故障诊断方法
5.一种基于新型轻量级神经网络的滚动轴承故障诊断方法
因版权原因，仅展示原文概要，查看原文内容请购买。