基于VMD-MFE-PNN的电机轴承故障诊断方法
A fault diagnosis method for motor bearings based on VMD-MFE-PNN作者机构:哈尔滨天源石化工程设计有限公司哈尔滨150022 黑龙江科技大学电气与控制工程学院哈尔滨150022
出 版 物:《黑龙江电力》 (Heilongjiang Electric Power)
年 卷 期:2023年第45卷第5期
页 面:387-392页
学科分类:080801[工学-电机与电器] 0808[工学-电气工程] 08[工学]
基 金:省重点研发计划指导类项目(项目编号:GZ20220122) 黑龙江省省属高等学校基本科研业务费项目(项目编号:2021-KYYWF-1480) 2023年黑龙江省省属高等学校基本科研业务费项目,基于机器视觉和深度学习的主煤流运输系统智能控制系统研究(项目编号:702-0000100546)
主 题:电机轴承 遗传算法 变分模态分解 峭度-相关准则 多尺度模糊熵 概率神经网络 故障诊断
摘 要:为提高电机轴承故障识别的准确性,提出一种基于变分模态分解(variational mode decomposition,VMD)、多尺度模糊熵(multi-scale fuzzy entropy,MFE)和概率神经网络(probabilistic neural network,PNN)相结合的滚动轴承故障诊断方法。通过优化后的遗传算法对VMD的2个重要参数进行寻优;然后利用VMD对各类轴承振动信号进行分解,根据峭度-相关准则选取包含较多故障特性的最优模态分量;计算该分量的多尺度模糊熵,并选取一定尺度的模糊熵值作为特征向量,输入到PNN中进行故障识别。经过实验验证,相较于VMD-PE-PNN、VMD-FE-PNN、VMD-MPE-PNN方法,基于VMD-MFE-PNN的电机轴承诊断方法更能准确地识别滚动轴承的故障类型。