基于VMD-HT的滚动轴承故障诊断
Fault Diagnosis of Rolling Bearing Based on Feature Extraction of VMD-HT作者机构:沈阳化工大学机械与动力工程学院辽宁沈阳110142 中国石油集团测井有限公司大庆分公司黑龙江大庆163412
出 版 物:《机械设计与制造》 (Machinery Design & Manufacture)
年 卷 期:2023年第385卷第3期
页 面:15-18页
学科分类:12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 08[工学] 080202[工学-机械电子工程] 080203[工学-机械设计及理论] 0802[工学-机械工程] 080201[工学-机械制造及其自动化]
基 金:国家自然科学基金(11702178) 辽宁省博士启动基金(20180540013) 辽宁省教育厅项目(LQ2019008)
主 题:变分模态分解 希尔伯特变换 瞬时能量 特征提取 故障诊断
摘 要:针对滚动轴承早期故障特征难以提取的问题,提出一种结合变分模态分解(VMD)和希尔伯特变换(HT)的特征提取方法,并且应用BP神经网络(BPNN)对特征进行分类,最后以实验验证了其可行性。首先,采用VMD对实测滚动轴承振动信号进行分解,并用HT变换计算分解得到的本征模态分量(IMF)的瞬时能量矩阵,然后,通过奇异值分解(SVD)对瞬时能量矩阵降维进行特征提取,最后将提取得到的特征向量输入训练好的BPNN中进行滚动轴承故障诊断。实验结果表明,此方法可以准确提取滚动轴承在不同故障状态时的特征,并且对滚动轴承故障诊断的准确率较高。