国内刊号:61-1133/TG
国际刊号:1001-3814
发布日期:
作者:曾宪旺, 孙文磊, 王宏伟, 徐甜甜, 张凡,
关键词:变分模态分解, 多尺度排列熵, 极限学习机, 故障诊断,
为揭示滚动轴承的多参量故障特性,提出了变分模态分解和多尺度排列熵相结合的方法进行特征提取并通过不同的算法进行故障诊断。首先对滚动轴承故障信号进行变分模态分解,其次利用多尺度排列熵量化各模态分量的故障特征,最后对计算所得熵值组成特征向量集将其导入概率神经网络、极限学习机和支持向量机中进行诊断,对比分析测试时间和正确概率。结果表明,该方法能有效提取故障特征并且准确实现故障模式的分类识别,进而提高了故障识别概率。
来源:2022年第10期
《热加工工艺》期刊编辑部