基于信息熵优化变分模态分解的滚动轴承故障特征提取

摘要：

针对变分模态分解(Variational Mode Decomposition,VMD)的参数需事先人为确定的问题以及如何选取包含故障特征信息的本征模态分量(Intrinsic Mode Function,IMF)的问题,提出了基于信息熵的参数确定方法和基于信息熵的IMF选取方法.该方法首先对原始故障信号进行变分模态分解,通过信息熵最小值原则对其参数进行优化,获得既定的若干IMF分量;在优化参数时获得信息熵最小值所在的IMF,选取其为有效IMF分量进行包络解调分析,提取轴承故障特征频率.通过轴承仿真信号和实际数据分析,表明该方法能够提取滚动轴承早期故障信号的微弱特征,并实现故障的准确判别.

关键词：变分模态分解、信息熵、参数优化、滚动轴承、包络解调、故障诊断

所属期刊栏目：37

分类号：TH165.3;TH17

资助基金：国家自然科学基金51465022;云南省教育厅科学研究基金重大专项ZD2013004;昆明理工大学引进人才基金资助项目KKSY201401096

在线出版日期：2019-04-01（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：219-225