收藏本站
收藏 | 投稿 | 手机打开
二维码
手机客户端打开本文

VMD能量熵与随机森林相结合的齿轮故障诊断

周旺平  王蓉  许沈榕  宋晓莉  
【摘要】:针对齿轮故障的非线性、非稳定性特点和单个分类器在故障诊断中准确率低的问题,提出了一种基于变分模态分解(VMD)和随机森林(RF)的齿轮故障识别方法。首先,采用变分模态分解将振动信号分解成有限个本征模态函数(IMFs),并与总体平均经验模态分解对比其分解效果;其次,计算各模态函数的能量熵,将能量熵作为评判齿轮状态的标准,构建特征向量;最后,将特征向量输入随机森林进行故障分类。结果表明,与支持向量机(SVM)识别方法对比,该方法具有较强的学习能力以及较高的诊断精度。

知网文化
【相似文献】
中国期刊全文数据库 前17条
1 朱兴统;;基于人工蜂群算法优化VMD的旋转机械故障诊断方法[J];煤矿机械;2020年04期
2 姜万录;王振威;朱勇;董克岩;张生;;基于VMD消噪处理的滚动轴承早期故障识别[J];液压与气动;2017年05期
3 胡爱军;白泽瑞;赵军;;参数优化VMD结合1.5维谱的滚动轴承复合故障特征分离方法[J];振动与冲击;2020年11期
4 张浩天;魏永合;矫晶晶;刘炜;;基于VMD与时间序列分析的滚动轴承故障特征提取方法[J];组合机床与自动化加工技术;2020年04期
5 蒋丽英;高爽;崔建国;于明月;卢晓东;王景霖;;基于VMD和平均能量的齿轮故障特征提取[J];沈阳航空航天大学学报;2016年06期
6 迭旭鹏;康建设;池阔;;基于VMD阶比跟踪的变转速齿轮箱齿轮故障特征提取[J];机械强度;2020年05期
7 丁承君;付晓阳;冯玉伯;张良;;基于参数优化VMD的齿轮箱故障特征提取方法[J];机械传动;2020年03期
8 王建国;陈帅;张超;;基于VMD与多特征融合的齿轮故障诊断方法[J];机械传动;2017年03期
9 张超;任杰;何闯进;;基于VMD包络相关系数的齿轮故障特征提取方法[J];煤矿机械;2020年10期
10 王斐;房立清;赵玉龙;齐子元;;基于VMD和SVDD的滚动轴承早期微弱故障检测和性能退化评估研究[J];振动与冲击;2019年22期
11 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
12 潘震;黄国勇;吴漫;;基于参数优化VMD和增强多尺度排列熵的单向阀故障诊断[J];振动与冲击;2020年15期
13 魏永合;马步芳;刘炜;李宏林;;基于VMD与正交局部保持投影的齿轮故障诊断[J];组合机床与自动化加工技术;2020年03期
14 周小龙;张耀娟;王尧;陈思;马风雷;;VMD复合熵值法在齿轮故障诊断中的应用[J];组合机床与自动化加工技术;2021年02期
15 周小龙;张耀娟;王尧;马风雷;;VMD的AR模型和关联维数在齿轮故障特征提取中的应用[J];制造技术与机床;2021年01期
16 詹君;程龙生;彭宅铭;;基于VMD和改进多分类马田系统的滚动轴承故障智能诊断[J];振动与冲击;2020年02期
17 王杰;郭世伟;;自适应VMD算法在滚动轴承故障诊断方面的应用[J];机电工程技术;2020年11期
中国重要会议论文全文数据库 前3条
1 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
2 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
3 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
中国硕士学位论文全文数据库 前15条
1 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
2 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
3 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
4 李亚超;基于VMD的滚动轴承故障诊断方法研究[D];石家庄铁道大学;2016年
5 焦博隆;基于VMD的转子裂纹故障诊断方法研究[D];桂林理工大学;2018年
6 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
7 吴鲁明;基于VMD算法的齿轮箱故障诊断研究[D];石家庄铁道大学;2020年
8 贺高锋;基于ASSD和VMD的滚动轴承早期故障诊断方法研究[D];中北大学;2020年
9 张敏;基于自适应MCKD与VMD的滚动轴承故障诊断方法[D];江西理工大学;2020年
10 陈锴;基于VMD多特征提取和多核SVM的风力发电机齿轮箱诊断方法研究[D];内蒙古科技大学;2020年
11 韩可;VMD与SVDD结合的液压泵性能退化综合评估方法研究[D];燕山大学;2017年
12 蒲子玺;基于VMD的滚动轴承故障诊断研究[D];兰州交通大学;2017年
13 柳晓云;基于VMD的滚动轴承故障特征提取[D];石家庄铁道大学;2017年
14 刘昆;基于振动的机车转向架螺栓松动故障检测方法的研究[D];华东交通大学;2020年
15 谷伟明;旋转机械强噪声中微弱故障特征提取的研究[D];燕山大学;2016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