【摘要】：為了準確提取軸承的故障特征,提出了一種遺傳算法(GA)參數優(yōu)化的變分模態(tài)分解(VMD)結合1.5維譜的軸承故障診斷方法。首先以VMD方法中模態(tài)分量的包絡熵值最小為優(yōu)化目標,利用遺傳算法對模態(tài)分量個數和二次懲罰因子進行優(yōu)化,確定這兩個能使VMD實現(xiàn)最優(yōu)分解的輸入參數。然后利用參數優(yōu)化的VMD方法對仿真信號和軸承內環(huán)故障信號進行分解,并做各模態(tài)分量的1.5維譜圖。參數優(yōu)化的VMD分解得到了與仿真信號原始分量相符的4個模態(tài)分量,1.5維譜剔除了未參與二次相位耦合的10Hz頻率分量。同時在1k Hz頻率以下,運用本文方法提取了軸承內環(huán)故障特征頻率的1至6倍頻頻率成分以及電機轉頻對它們的調制頻率。由此表明,遺傳算法參數優(yōu)化的VMD可實現(xiàn)復雜信號的正確分解,1.5維譜可有效檢測信號的二次相位耦合。同時,遺傳算法參數優(yōu)化的VMD結合1.5維譜能有效提取軸承內環(huán)故障特征,從而驗證了本文方法的有效性和實用性。
[Abstract]:In order to extract the bearing fault features accurately, a genetic algorithm (GA) parameter optimization variational mode decomposition (VMD) combined with 1.5 dimensional spectrum is proposed for bearing fault diagnosis. Firstly, the minimum envelope entropy of modal component in VMD method is taken as the optimization objective, and the number of modal components and the quadratic penalty factor are optimized by genetic algorithm to determine the two input parameters that enable VMD to achieve the optimal decomposition. Then the simulation signal and the fault signal of bearing inner ring are decomposed by using the VMD method of parameter optimization, and the 1.5 dimensional spectral diagram of each modal component is made. According to the VMD decomposition of parameter optimization, four modal components, which are consistent with the original components of the simulation signal, are obtained and the 1.5-D spectrum is eliminated from the 10Hz frequency component which is not involved in the quadratic phase coupling. At the same time, under 1kHz frequency, the frequency components of 1 to 6 times frequency of the fault characteristic frequency of bearing inner ring and the modulation frequency of motor switching frequency to them are extracted by the method in this paper. It is shown that the VMD with optimized parameters of genetic algorithm can realize the correct decomposition of complex signal and 1.5 dimensional spectrum can effectively detect the quadratic phase coupling of the signal. At the same time, the VMD of genetic algorithm parameter optimization combined with 1.5 dimension spectrum can effectively extract the fault characteristics of bearing inner ring, which verifies the effectiveness and practicability of this method.
【作者單位】： 中國航空動力機械研究所航空發(fā)動機振動技術航空科技重點實驗室;
【基金】：航空創(chuàng)新基金資助項目(2012B60804R) 航空科學基金資助項目(2014ZD08007;2014ZD08008)
【分類號】：TH133.33

【參考文獻】

相關期刊論文 前10條

1 唐貴基;王曉龍;;參數優(yōu)化變分模態(tài)分解方法在滾動軸承早期故障診斷中的應用[J];西安交通大學學報;2015年05期

2 王艷豐;朱靖;滕光蓉;梁恩波;;航空發(fā)動機轉子早期裂紋故障振動特征的1(1/2)維譜分析[J];振動與沖擊;2015年01期

3 GAO Huizhong;LIANG Lin;CHEN Xiaoguang;XU Guanghua;;Feature Extraction and Recognition for Rolling Element Bearing Fault Utilizing Short-Time Fourier Transform and Non-negative Matrix Factorization[J];Chinese Journal of Mechanical Engineering;2015年01期

4 邊杰;王平;梅慶;;EEMD結合能量特征和小波降噪的軸承故障診斷[J];廣西大學學報(自然科學版);2014年06期

5 向玲;鄢小安;;汽輪機轉子故障診斷中LMD法和EMD法的性能對比研究[J];動力工程學報;2014年12期

6 郭遠晶;魏燕定;周曉軍;傅雷;;S變換用于滾動軸承故障信號沖擊特征提取[J];振動.測試與診斷;2014年05期

7 尚柏林;謝紫龍;程禮;通旭東;;EMD與ICA相結合的復雜轉子系統(tǒng)早期故障診斷[J];科學技術與工程;2014年02期

8 唐貴基;王曉龍;;基于EEMD降噪和1.5維能量譜的滾動軸承故障診斷研究[J];振動與沖擊;2014年01期

9 程軍圣;羅頌榮;楊斌;楊宇;;LMD能量矩和變量預測模型模式識別在軸承故障智能診斷中的應用[J];振動工程學報;2013年05期

10 王濤;孟凡順;李洋森;藍星;;不同時頻分析方法的精度比較及應用[J];海洋地質前沿;2013年03期

【共引文獻】

相關期刊論文 前10條

1 胡亮;柳亦兵;趙立;周超;;碰摩拉桿轉子非線性動力學響應特性[J];動力工程學報;2017年07期

2 馬增強;柳曉云;張俊甲;王建東;;VMD和ICA聯(lián)合降噪方法在軸承故障診斷中的應用[J];振動與沖擊;2017年13期

3 成潔;李思燃;;基于遞歸圖和局部非負矩陣分解的軸承故障診斷[J];工礦自動化;2017年07期

4 王友仁;陳偉;孫燦飛;孫權;黃海安;;基于能量聚集度經驗小波變換的齒輪箱早期微弱故障診斷[J];中國機械工程;2017年12期

5 姜戰(zhàn)偉;鄭近德;潘海洋;潘紫微;;POVMD與包絡階次譜的變工況滾動軸承故障診斷[J];振動.測試與診斷;2017年03期

6 鄭近德;潘海洋;楊樹寶;潘紫微;;廣義變分模態(tài)分解方法及其在變工況齒輪故障診斷中的應用[J];振動工程學報;2017年03期

7 郭艷平;解武波;龍濤元;;擬合振動信號模型實現(xiàn)滾動軸承故障診斷[J];蘭州交通大學學報;2017年03期

8 楊洪柏;張宏利;蔣超;劉樹林;;變分模態(tài)分解與神經網絡結合的軸承故障診斷[J];機械設計與制造;2017年06期

9 邊杰;;基于遺傳算法參數優(yōu)化的變分模態(tài)分解結合1.5維譜的軸承故障診斷[J];推進技術;2017年07期

10 秦波;王祖達;郭慧莉;孫國棟;陳帥;王建國;;基于VMD和對稱差分能量算子解調的滾動軸承故障診斷方法[J];機械傳動;2017年05期

【二級參考文獻】

相關期刊論文 前10條

1 尹芳莉;譚建平;何雷;丁闖;;強沖擊下變速箱滾動軸承故障診斷[J];廣西大學學報(自然科學版);2014年03期

2 鐘小鳳;賀德強;苗劍;;基于PCA-LSSVM的機車走行部滾動軸承故障診斷研究[J];廣西大學學報(自然科學版);2014年02期

3 CHEN Xiaoguang;LIANG Lin;XU Guanghua;LIU Dan;;Feature Extraction of Kernel Regress Reconstruction for Fault Diagnosis Based on Self-organizing Manifold Learning[J];Chinese Journal of Mechanical Engineering;2013年05期

4 王宏超;陳進;董廣明;;基于最小熵解卷積與稀疏分解的滾動軸承微弱故障特征提取[J];機械工程學報;2013年01期

5 馮輔周;司愛威;饒國強;江鵬程;;基于小波相關排列熵的軸承早期故障診斷技術[J];機械工程學報;2012年13期

6 梅檢民;肖云魁;賈繼德;趙慧敏;陳祥龍;喬龍;;基于改進階比的變速器微弱故障特征提取[J];振動工程學報;2012年03期

7 ;Source Separation of Diesel Engine Vibration Based on the Empirical Mode Decomposition and Independent Component Analysis[J];Chinese Journal of Mechanical Engineering;2012年03期

8 王衍學;何正嘉;訾艷陽;袁靜;;基于LMD的時頻分析方法及其機械故障診斷應用研究[J];振動與沖擊;2012年09期

9 任達千;楊世錫;吳昭同;嚴拱標;;LMD時頻分析方法的端點效應在旋轉機械故障診斷中的影響[J];中國機械工程;2012年08期

10 袁幸;朱永生;洪軍;張優(yōu)云;;用盲反卷積和改進譜減法提取軸承微弱特征[J];振動.測試與診斷;2012年02期

【相似文獻】

相關期刊論文 前10條

1 王毅,曹樹良;遺傳算法在并聯(lián)水泵系統(tǒng)運行優(yōu)化中的應用[J];流體機械;2003年10期

2 孫進平 ,吳瑞明 ,翟瑞紅 ,劉忠武;基于遺傳算法的工藝決策模式的探索[J];現(xiàn)代制造工程;2002年01期

3 孫進平,吳瑞明;基于遺傳算法的工藝決策模式的探索[J];海淀走讀大學學報;2003年02期

4 駱志高;李舉;王祥;;基于遺傳算法的平板裂紋識別[J];機械設計與制造;2009年04期

5 占龍楊;顧伯勤;邵春雷;;基于遺傳算法的多泵系統(tǒng)優(yōu)化運行研究[J];煤礦機械;2011年10期

6 曹慧卿,高峰;一種新的優(yōu)化方法──遺傳算法及其應用[J];機械設計與制造;1997年02期

7 郝博,盧有文,聶義勇;基于遺傳算法的機械方案設計系統(tǒng)的研究[J];機械;1999年05期

8 閆永強,梁武科;遺傳算法在離心泵葉片優(yōu)化設計中的應用[J];排灌機械;2004年02期

9 孔凡國;黃偉;;基于模糊理論和遺傳算法融合的機械方案優(yōu)選方法的研究[J];組合機床與自動化加工技術;2006年05期

10 余成樹;吳作偉;高永芳;賓嬋慧;;改進遺傳算法在結構優(yōu)化中的應用[J];機械工程與自動化;2007年02期

相關會議論文 前6條

1 吳忠強;劉坤;奧頓;;基于遺傳算法的電液位置伺服系統(tǒng)模糊控制[A];中國自動化學會全國第九屆自動化新技術學術交流會論文集[C];2004年

2 徐斌;姜節(jié)勝;陳換過;;基于遺傳算法的結構/控制一體化優(yōu)化設計[A];第八屆全國振動理論及應用學術會議論文集摘要[C];2003年

3 賴朝安;孫延明;鄭時雄;;敏捷虛擬企業(yè)協(xié)同設計的群體決策支持系統(tǒng)研究[A];面向21世紀的生產工程——2001年“面向21世紀的生產工程”學術會議暨企業(yè)生產工程與產品創(chuàng)新專題研討會論文集[C];2001年

4 王淑蓮;孫輝;張聿成;陳瑞三;;二次調節(jié)節(jié)能系統(tǒng)新型智能PID控制研究[A];人才、創(chuàng)新與老工業(yè)基地的振興——2004年中國機械工程學會年會論文集[C];2004年

5 齊文文;趙斌;龍連春;;基于遺傳算法的加筋圓柱殼屈曲承載力優(yōu)化[A];北京力學會第18屆學術年會論文集[C];2012年

6 井立兵;章躍進;;基于MATLAB遺傳算法工具的同心式磁力齒輪優(yōu)化設計[A];第十七屆中國小電機技術研討會論文集[C];2012年

相關博士學位論文 前3條

1 聶書志;基于DNA遺傳算法的協(xié)同制造資源優(yōu)化配置技術研究[D];華南理工大學;2010年

2 田方;遺傳算法的改進研究及其在壓縮機性能分析與優(yōu)化中的應用[D];東北大學;2006年

3 張士偉;三維聲學快速多極基本解法在機械噪聲預測中的應用研究[D];沈陽工業(yè)大學;2016年

相關碩士學位論文 前10條

1 李碧軒;基于SLP方法和遺傳算法的倉庫設施規(guī)劃[D];廣西大學;2016年

2 李國聞;面向機電產品線纜設計的“遺傳-A~*”混合優(yōu)化算法[D];南京航空航天大學;2016年

3 郜時偉;有貨物空腔的集裝箱裝載設計優(yōu)化研究[D];天津理工大學;2016年

4 吳波;基于遺傳算法的作業(yè)車間調度問題研究[D];大連交通大學;2005年

5 張曉霞;遺傳算法在機械設計優(yōu)化中的應用及運動學仿真技術研究[D];中北大學;2008年

6 謝耿勛;基于遺傳算法的形狀誤差算法的研究[D];東北大學;2012年

7 陳東升;基于遺傳算法的模糊車間作業(yè)調度問題的研究[D];大連理工大學;2006年

8 李國亮;基于改進遺傳算法的加工中心生產車間物流改善研究[D];沈陽工業(yè)大學;2013年

9 段培勇;遺傳算法在車間優(yōu)化調度中的應用研究[D];合肥工業(yè)大學;2007年

10 劉穎;改進的GA-SA算法在葉輪優(yōu)化設計中的應用研究[D];中國石油大學;2009年

，

本文編號：2134142