| 基于遗传算法参数优化的变分模态分解结合1.5维谱的轴承故障诊断 |
| |
| 引用本文： | 边杰.基于遗传算法参数优化的变分模态分解结合1.5维谱的轴承故障诊断[J].推进技术,2017,38(7):1618-1624. |
| |
| 作者姓名： | 边杰 |
| |
| 作者单位： | 中国航空动力机械研究所 航空发动机振动技术航空科技重点实验室，湖南 株洲 412002 |
| |
| 基金项目： | 航空创新基金资助项目(2012B60804R)；航空科学基金资助项目(2014ZD08007；2014ZD08008)。 |
| |
| 摘 要： | 为了准确提取轴承的故障特征,提出了一种遗传算法(GA)参数优化的变分模态分解(VMD)结合1.5维谱的轴承故障诊断方法。首先以VMD方法中模态分量的包络熵值最小为优化目标,利用遗传算法对模态分量个数和二次惩罚因子进行优化,确定这两个能使VMD实现最优分解的输入参数。然后利用参数优化的VMD方法对仿真信号和轴承内环故障信号进行分解,并做各模态分量的1.5维谱图。参数优化的VMD分解得到了与仿真信号原始分量相符的4个模态分量,1.5维谱剔除了未参与二次相位耦合的10Hz频率分量。同时在1k Hz频率以下,运用本文方法提取了轴承内环故障特征频率的1至6倍频频率成分以及电机转频对它们的调制频率。由此表明,遗传算法参数优化的VMD可实现复杂信号的正确分解,1.5维谱可有效检测信号的二次相位耦合。同时,遗传算法参数优化的VMD结合1.5维谱能有效提取轴承内环故障特征,从而验证了本文方法的有效性和实用性。
|
| 关 键 词： | 变分模态分解 遗传算法 轴承 故障诊断 1.5维谱 |
| 收稿时间： | 2016/1/31 0:00:00 |
| 修稿时间： | 2016/4/14 0:00:00 |
Fault Diagnosis of Bearing Combining Parameter Optimized Variational Mode Decomposition Based on Genetic Algorithm |
| |
| BIAN Jie.Fault Diagnosis of Bearing Combining Parameter Optimized Variational Mode Decomposition Based on Genetic Algorithm[J].Journal of Propulsion Technology,2017,38(7):1618-1624. |
| |
| Authors: | BIAN Jie |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《推进技术》浏览原始摘要信息 |
| 点击此处可从《推进技术》下载免费的PDF全文 |
