基于改进的数据融合滚动轴承故障诊断

摘要：

针对滚动轴承单一诊断方法造成误诊率高、可靠性低的缺陷,提出一种基于变分模态分解(VMD)-支持向量机(SVM)和数学形态学(MM)-相关性分析(CA)的复合诊断算法.该算法采用双通道并行诊断,通道1使用VMD在频域分解故障信号,并结合贝叶斯SVM分类器获取诊断结果的后验概率,具有诊断准确性高的优点;通道2使用MM方法在时域中提取故障特征,通过CA方法获得诊断结果的相关性系数,具有较强的泛化能力.通过改进的加权平均证据理论方法将两通道判定结果有机融合,发挥两种单一方法的优势互补,实现复合式故障诊断.使用轴承故障试验台对复合算法进行验证,与单一方法进行对比.结果表明:该复合算法可有效提取非平稳信号中的故障特征,提高诊断结果的可靠性.

关键词：滚动轴承、变分模态分解、数学形态学、数据融合、故障诊断

所属期刊栏目：44

分类号：TH17

资助基金：国家自然科学基金;内蒙古自然科学基金项目;内蒙古科技计划;内蒙古科技计划

在线出版日期：2022-11-25（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：24-32