收藏本站
收藏 | 投稿 | 论文排版

一种基于遗传算法的VMD参数优化轴承故障诊断新方法

何勇  王红  谷穗  
【摘要】:为准确提取轴承故障特征信息,提出以峭度指标和包络熵为综合目标函数的变分模态分解(variational mode decomposition, VMD)参数优化方法,并改进了诊断流程实现了无需指定参数优化范围的自适应参数优化算法。通过遗传算法对综合目标函数最小值进行搜索,以确定模态分量个数及惩罚参数的最佳组合。原始故障信号经最佳参数组合下的VMD方法分解为若干个本征模态函数,选择最小综合目标函数值对应的模态分量进行包络解调分析,进而通过模态分量的包络谱判断轴承故障类型。通过实测故障信号分析表明,该方法能够从噪声干扰中有效提取到早期故障信号的微弱故障特征,实现了轴承故障类型的准确判定,验证了该方法的有效性。

知网文化
【相似文献】
中国期刊全文数据库 前19条
1 任学平;李攀;孙百祎;乔海懋;;基于改进VMD的滚动轴承故障诊断[J];机械设计与制造;2020年01期
2 邓思成;宋玉琴;;优化VMD在轴承故障诊断中的应用[J];科学技术创新;2019年06期
3 蒲子玺;殷红;张楠;闫武起;彭珍瑞;;基于峭度准则VMD及平稳小波的轴承故障诊断[J];机械设计与研究;2017年01期
4 张树;刘德平;;BFA优化VMD参数的轴承故障诊断[J];组合机床与自动化加工技术;2020年05期
5 王建国;陈帅;张超;;VMD与MCKD在轴承故障诊断中的应用与研究[J];组合机床与自动化加工技术;2017年05期
6 唐衡;夏均忠;杨刚刚;孔有程;;基于VMD与SET的滚动轴承故障诊断[J];军事交通学院学报;2021年03期
7 钱林;康敏;傅秀清;王兴盛;费秀国;;基于VMD的自适应形态学在轴承故障诊断中的应用[J];振动与冲击;2017年03期
8 张莹;殷红;彭珍瑞;;基于改进SVD及参数优化VMD的轴承故障诊断[J];噪声与振动控制;2020年01期
9 赵磊;夏均忠;李泽华;于明奇;汪治安;;基于VMD样本熵和LS-SVM的滚动轴承故障诊断[J];军事交通学院学报;2017年04期
10 马增强;柳晓云;张俊甲;王建东;;VMD和ICA联合降噪方法在轴承故障诊断中的应用[J];振动与冲击;2017年13期
11 何洋洋;吕跃刚;刘俊承;;基于VMD与粒子滤波的滚动轴承故障诊断[J];可再生能源;2019年01期
12 徐波;周凤星;黎会鹏;严保康;刘毅;严丹;;基于VMD和MRVM变负荷工况下的滚动轴承故障诊断[J];振动.测试与诊断;2019年06期
13 郑佳昕;杨灿;郎永存;李积元;;基于VMD与GWO优化SVM的轴承故障诊断[J];煤矿机械;2021年01期
14 沙美妤;刘利国;;基于振动信号的轴承故障诊断技术综述[J];轴承;2015年09期
15 邵岩;卢迪;杨广学;;分数阶傅里叶变换在轴承故障诊断中的应用[J];哈尔滨理工大学学报;2017年03期
16 王海丽;;基于深度学习的轴承故障诊断[J];大众标准化;2020年24期
17 周永庆;;基于多尺度卷积神经网络的轴承故障诊断研究[J];南方农机;2021年01期
18 袁洪芳;姜宇萱;王华庆;;基于词袋模型和极限学习机的轴承故障诊断[J];测控技术;2017年02期
19 苏明辉;薛光辉;赵国瑞;张明;;渣浆泵轴承故障诊断系统设计与应用[J];煤炭工程;2009年02期
中国重要会议论文全文数据库 前20条
1 高学金;魏红飞;张海利;高慧慧;;基于小波TET的滚动轴承故障诊断[A];2020中国自动化大会(CAC2020)论文集[C];2020年
2 刘锋;马怀祥;王亚涛;;基于共振解调的滚动轴承故障诊断[A];现代振动与噪声技术(第九卷)[C];2011年
3 徐新韬;王华庆;沈伟;李岭阳;杨晓;;基于信息融合与1.5维谱的轴承故障诊断方法[A];2015年中国机械工程学会设备与维修工程分会学术年会论文集[C];2015年
4 李琳;张永祥;童艳;;基于声发射和高阶谱分析的滚动轴承故障诊断[A];设备监测与诊断技术及其应用——第十二届全国设备监测与诊断学术会议论文集[C];2005年
5 郜普刚;何田;林意洲;刘献栋;;基于局部均值分解的滚动轴承故障诊断[A];2010中国汽车工程学会年会论文集[C];2010年
6 高耀智;谭援强;;基于1(1/2)谱与小波分析相结合的滚动轴承故障诊断[A];2009年全国青年摩擦学学术会议论文集[C];2009年
7 沈路;周晓军;张杰;;基于形态非抽样小波与灰色关联度的滚动轴承故障诊断[A];2011年机械电子学学术会议论文集[C];2011年
8 任获荣;马亚男;李胜刚;;熵随机共振在轴承故障诊断中的应用研究[A];2012年陕西省焊接学术交流会论文集[C];2012年
9 曹亮;王景霖;沈勇;单添敏;林泽力;陈杰;;基于HMM的轴承故障诊断方法[A];“测试性与智能测控技术”——2018年中国航空测控技术专刊[C];2018年
10 单添敏;曹亮;沈勇;王景霖;林泽力;陈杰;;基于Fisher判别的轴承故障诊断与健康评估方法研究[A];“测试性与智能测控技术”——2018年中国航空测控技术专刊[C];2018年
11 陶新民;徐晶;杜宝祥;徐勇;;基于相空间奇异谱的SOM轴承故障诊断模型[A];第二十七届中国控制会议论文集[C];2008年
12 乔文生;陈兴辉;艾士娟;胡北;赵恒;;基于小波包和BP神经网络的滚动轴承故障诊断[A];第八届全国设备与维修工程学术会议、第十三届全国设备监测与诊断学术会议论文集[C];2008年
13 柳晨曦;王奉涛;张涛;;基于k值优化VMD的滚动轴承早期故障诊断[A];第十二届全国振动理论及应用学术会议论文集[C];2017年
14 刘嘉敏;彭玲;刘军委;袁佳成;;基于遗传算法的VMD参数优化与小波阈值的轴承振动信号去噪分析[A];第二十七届全国振动与噪声应用学术会议论文集[C];2016年
15 宋浏阳;王华庆;高金吉;王峰;;基于蚁群算法的滚动轴承故障诊断[A];现代振动与噪声技术(第九卷)[C];2011年
16 刘尚坤;庞彬;唐贵基;;基于AR模型和总变差去噪的滚动轴承故障诊断[A];仪器仪表学报(2015(增刊)第36卷)[C];2015年
17 秦桂林;袁洪芳;王华庆;;改进ITD和Hilbert包络谱的滚动轴承故障诊断[A];2015年中国机械工程学会设备与维修工程分会学术年会论文集[C];2015年
18 仝兆景;芦彤;张艳杰;赵运星;秦紫霓;;基于VMD和贝叶斯网络的电机轴承状态分析模型研究[A];煤矿自动化与信息化——第28届全国煤矿自动化与信息化学术会议暨第9届中国煤矿信息化与自动化高层论坛论文集[C];2019年
19 郝旺身;韩捷;董辛旻;陈宏;王丽雅;;基于HHT边际谱与神经网络的轴承故障诊断研究[A];第十届全国振动理论及应用学术会议论文集(2011)上册[C];2011年
20 谢永芳;董群英;彭涛;王雅琳;;基于小波包移频算法的AR模型的滚动轴承故障诊断[A];第24届中国控制与决策会议论文集[C];2012年
中国博士学位论文全文数据库 前4条
1 胡永涛;基于多特征融合及深度信念网络的轴承故障诊断[D];燕山大学;2017年
2 王雷;基于流形学习的滚动轴承故障诊断若干方法研究[D];大连理工大学;2013年
3 张彦生;基于局部线性嵌入的滚动轴承故障特征提取技术研究[D];哈尔滨工业大学;2020年
4 金国强;基于深度学习的复杂工况下端到端的滚动轴承故障诊断算法研究[D];中国科学技术大学;2020年
中国硕士学位论文全文数据库 前20条
1 王蕾蕾;基于深度自编码网络的轴承故障诊断研究[D];华北电力大学;2019年
2 李妍;基于改进极限学习机的轴承故障诊断方法研究[D];西安科技大学;2019年
3 彭刘阳;基于振动信号的滚动轴承故障诊断与状态识别方法研究[D];中国矿业大学;2019年
4 董德亿;基于输出信号相关性分析的轴承故障诊断方法[D];杭州电子科技大学;2018年
5 徐剑涛;基于极点对称模态分解及改进支持向量机的轴承故障诊断[D];燕山大学;2018年
6 齐申武;基于振动信号分析的滚动轴承故障诊断及寿命预测研究[D];燕山大学;2018年
7 黄阳;基于振动信号降噪与分解的轴承故障诊断研究[D];西安理工大学;2018年
8 高冠琪;时频挤压阶比方法及其变转速轴承故障诊断研究[D];苏州大学;2019年
9 谭雯雯;基于神经网络的轴承故障诊断研究及其系统实现[D];北京化工大学;2020年
10 叶友谊;基于优化支持向量机的滚动轴承故障诊断[D];福州大学;2014年
11 穆鹏丞;基于自适应VMD和优化神经网络的滚动轴承故障诊断[D];沈阳化工大学;2020年
12 黄建新;多传感器数据融合技术在轴承故障诊断中的应用研究[D];武汉理工大学;2006年
13 邸志强;基于VMD与多尺度排列熵的滚动轴承故障诊断[D];内蒙古科技大学;2019年
14 李万涛;基于优化VMD方法的滚动轴承故障诊断研究[D];哈尔滨理工大学;2019年
15 李学伟;支持向量机在嵌入式轴承故障诊断装置中的研究与实现[D];东北大学;2010年
16 曹宁;小样本深度学习在轴承故障诊断系统中的研究[D];北京化工大学;2020年
17 李志伟;基于振动信号的轴承故障诊断[D];西南石油大学;2019年
18 Cristian López;基于改进随机共振法的轴承故障诊断[D];浙江大学;2017年
19 赵兴;基于时频维数的滚动轴承故障诊断技术应用研究[D];大连交通大学;2013年
20 马步芳;基于VMD与流形学习的齿轮箱故障诊断方法研究[D];沈阳理工大学;2020年
中国重要报纸全文数据库 前1条
1 通讯员 蔡义杰 记者 唐先武;轴承故障诊断有了“透视镜”[N];科技日报;2001年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978