基于变分模态分解与多尺度熵的 滚动轴承故障诊断方法

摘要：

针对滚动轴承故障振动信号具有非平稳、非线性特征以及提取特征困难等问题,提出一种基于变分模态分解(Variational Mode Decomposition,VMD)的多尺度熵(Multi-scale entropy,MSE)的特征向量提取方法,并输入拉普拉斯支持向量机(Laplacian support vector machines,LapSVM)中进行滚动轴承故障识别.该方法首先利用VMD分解的多尺度熵对原始振动信号进行特征向量的提取,然后与基于VMD样本熵以及VMD时域统计量(峭度、歪度)对比说明该方法的优势,最后将上述特征向量输入到LapSVM分类器中进行识别对比.试验数据分析结果表明,所提方法在诊断精度、计算速度上大大提高.

关键词：滚动轴承、变分模态分解、样本熵、多尺度熵、拉普拉斯支持向量机

所属期刊栏目：40

分类号：TH133.33

资助基金：安徽省高等学校自然科学研究项目KJ2017A053

在线出版日期：2017-07-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：59-63,66