变分模态分解的Volterra模型和形态学分形维数在发动机故障诊断中的应用

摘要：

针对实测发动机故障信号的非线性和形态学分形维数难以对其有效估计的问题,提出一种基于变分模态分解(variational mode decomposition,VMD)的Volterra模型和形态学分形维数相结合的发动机故障诊断方法.首先采用VMD方法对发动机故障信号进行分解,通过基于互信息熵-能量熵增量的虚假固有模态函数(intrinsic mode function,IMF)分量剔除算法,将噪声和虚假干扰成分从信号内分离,对含有故障信息的敏感IMF分量重构,然后通过对重构信号相空间的重构,建立Volterra自适应预测模型,获取模型参数,最后计算模型参数向量的形态学分形维数,并将其作为量化的特征参数用于发动机工作状态和故障类型的识别.通过对实测发动机声振信号的分析,结果表明,该方法可有效提取发动机的状态特征信息,实现发动机异响的故障诊断.

关键词：发动机、故障诊断、变分模态分解、Volterra预测模型、数学形态学、分形维数

所属期刊栏目：41

分类号：TP3;TN9

资助基金：国家自然科学基金51505038;吉林省科技厅重点科技攻关项目KYC-JC-XM-2017-042

在线出版日期：2020-01-16（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：1442-1449,1465