基于参数优化VMD和多尺度排列熵的齿轮故障诊断

摘要：

针对齿轮故障特征在单一尺度难以全面提取的问题,提出一种基于参数优化的变分模态分解和多尺度排列熵的齿轮故障诊断方法.利用改进的蝙蝠算法对变分模态分解中的参数K和a进行全局寻优,以局部极小包络熵作为适应度值,搜寻K和a的最优组合.经VMD分解得到既定的若干IMF分量,分别计算其相应的多尺度排列熵,构建故障特征向量,输入到极限学习机进行训练和识别,进而实现齿轮的故障诊断.实验表明,该方法具有非常好的分类性能,故障诊断效果显著.

关键词：变分模态分解;多尺度排列熵;改进蝙蝠算法;极限学习机;故障诊断

所属期刊栏目：50

分类号：TH132.41

资助基金：福建省自然科学基金2019J05024

在线出版日期：2022-01-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：114-117,128