基于VMD-MPE结合概率神经网络和极限学习机的滚动轴承故障诊断分析

摘要：

为揭示滚动轴承的多参量故障特性,提出了变分模态分解和多尺度排列熵相结合的方法进行特征提取并通过不同的算法进行故障诊断.首先对滚动轴承故障信号进行变分模态分解,其次利用多尺度排列熵量化各模态分量的故障特征,最后对计算所得熵值组成特征向量集将其导入概率神经网络、极限学习机和支持向量机中进行诊断,对比分析测试时间和正确概率.结果表明,该方法能有效提取故障特征并且准确实现故障模式的分类识别,进而提高了故障识别概率.

关键词：变分模态分解、多尺度排列熵、极限学习机、故障诊断

所属期刊栏目：51

分类号：TG142(金属学与热处理)

资助基金：国家自然科学基金;自治区科技支疆计划项目

在线出版日期：2022-06-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：157-163