基于变分模态分解和多尺度排列熵的故障诊断

摘要：

为稳定提取滚动轴承故障特征,提出一种基于变分模态分解和多尺度排列熵的故障特征提取方法,并采用GK模糊聚类对轴承故障进行识别分类.首先对滚动轴承振动信号进行变分模态分解,得到包含故障特征信息的模态分量;进而利用多尺度排列熵量化各模态分量的故障特征,取各模态分量多尺度排列熵的平均值作为特征向量;最后通过GK模糊聚类分析获得故障样本的标准聚类中心,采用欧式贴近度进行故障识别分类.将所提方法应用于滚动轴承实验数据,通过分类系数与平均模糊熵对分类效果进行检验,并与经验模态分解多尺度排列熵结合GK模糊聚类的方法进行对比,结果表明,所提方法具有更好的分类性能,其故障诊断精度更高.

关键词：故障诊断、滚动轴承、变分模态分解、多尺度排列熵、GK模糊聚类

所属期刊栏目：23

分类号：TH165+.3;TH133.33

资助基金：国家自然科学基金资助项目51675460,51405426;河北省自然科学基金资助项目E2016203306;中国博士后科学基金资助项目2017M621101.Project supported by the National Natural Science Foundation,China51675460,51405426;the Hebei Provincial Natural Science Foundation,ChinaE2016203306;the Postdoctoral Science Foundation,China2017M621101

在线出版日期：2018-04-28（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：2604-2612