基于谱熵梅尔积和改进VMD的轴承故障预警

摘要：

针对传统轴承故障预警实时性较差、故障特征提取准确性影响预警效果的问题,将语音端点识别思想进行迁移,采用谱熵梅尔积特征的双门限法实时追踪故障起始点.为克服变分模态分解(variational mode decomposi-tion,VMD)参数选取不当和端点效应对提取效果造成的影响,提出能量差网格搜索法对VMD进行参数寻优,并用支持向量回归机对端点效应进行抑制,结合多尺度加权排列熵在检测振动信号随机性方面的优势,充分发挥VMD对信号的重构能力,对起始点后的故障段进行特征捕捉.通过实际轴承故障信号的实验及数据分析,验证了该方法在轴承故障预警中的有效性.

关键词：谱熵梅尔积;改进变分模态分解;多尺度加权排列熵;轴承故障诊断

所属期刊栏目：41

分类号：TH212;TH213.3(起重机械与运输机械)

资助基金：国家重点研发计划资助项目;江苏省重点研发计划资助项目

在线出版日期：2021-12-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：1179-1187