針對(duì)滾動(dòng)軸承品質(zhì)評(píng)估過程中振動(dòng)信號(hào)代表性特征提取不充分且模式識(shí)別方法精度低等不足,提出了基于變分模態(tài)分解（VMD）和支持向量機(jī)（SVM）的滾動(dòng)軸承品質(zhì)評(píng)估方法,首先,對(duì)3個(gè)品質(zhì)等級(jí)的軸承樣品進(jìn)行振動(dòng)信號(hào)的采集;其次,計(jì)算滾動(dòng)軸承振動(dòng)信號(hào)的有效值、峰值和峭度值3個(gè)時(shí)域指標(biāo)（TDI）,并采用VMD方法將信號(hào)分解為4個(gè)有限帶寬模態(tài)函數(shù)（BIMF）,并分別計(jì)算其排列熵（PE）值;最后,將3個(gè)時(shí)域指標(biāo)和4個(gè)排列熵值共計(jì)7個(gè)特征作為SVM的輸入變量構(gòu)建軸承品質(zhì)等級(jí)預(yù)測(cè)評(píng)估模型.實(shí)驗(yàn)結(jié)果表明:與TDI–PE–SVM模型相比, TDI–VMD–PE–SVM軸承品質(zhì)評(píng)估模型更優(yōu),識(shí)別率由83.33%提高到93.33%, VMD方法有效地提高了振動(dòng)信號(hào)的分辨率,有利于軸承振動(dòng)信號(hào)細(xì)節(jié)特征信息的提取. 

【文章來源】：控制理論與應(yīng)用. 2020,37(07)北大核心EICSCD

【文章頁數(shù)】：8 頁

【文章目錄】：
1 引言
2 算法理論介紹
    2.1 變分模態(tài)分解
    2.2 排列熵計(jì)算
    2.3 支持向量機(jī)
3 滾動(dòng)軸承品質(zhì)評(píng)估方法及評(píng)價(jià)
    3.1 滾動(dòng)軸承品質(zhì)評(píng)估方法
    3.2 模型的評(píng)價(jià)標(biāo)準(zhǔn)
4 實(shí)驗(yàn)部分
    4.1 軸承振動(dòng)信號(hào)的采集
    4.2 滾動(dòng)軸承振動(dòng)信號(hào)的時(shí)域分析
    4.3 滾動(dòng)軸承振動(dòng)信號(hào)的VMD及排列熵分析
    4.4 滾動(dòng)軸承品質(zhì)評(píng)估模型的建立
        4.4.1 基基于時(shí)域特征結(jié)合PE和和結(jié)合VMD–PE的滾動(dòng)軸承品質(zhì)評(píng)估
        4.4.2 最優(yōu)判別模型分析
    4.5 公開數(shù)據(jù)集的方法驗(yàn)證
5 結(jié)論


【參考文獻(xiàn)】：
期刊論文
[1]基于EMD和AR模型的軸承故障診斷[J]. 尚長(zhǎng)沛,張松泓.  食品與機(jī)械. 2019(07)
[2]基于EEMD奇異值熵的滾動(dòng)軸承故障診斷方法[J]. 張琛,趙榮珍,鄧林峰.  振動(dòng).測(cè)試與診斷. 2019(02)
[3]基于VMD和SVM的艦船輻射噪聲特征提取及分類識(shí)別[J]. 李余興,李亞安,陳曉,蔚婧.  國防科技大學(xué)學(xué)報(bào). 2019(01)
[4]基于改進(jìn)排列熵的滾動(dòng)軸承故障特征提取[J]. 陳祥龍,張兵志,馮輔周,江鵬程.  振動(dòng)工程學(xué)報(bào). 2018(05)
[5]基于VMD-Hilbert變換的故障行波定位研究[J]. 謝李為,曾祥君,柳祎璇.  電力系統(tǒng)保護(hù)與控制. 2018(16)
[6]經(jīng)驗(yàn)?zāi)B(tài)分解結(jié)合包絡(luò)譜LSSVM的滾動(dòng)軸承故障診斷[J]. 郝勇,商慶園,溫欽華,趙翔,陳斌.  計(jì)算機(jī)測(cè)量與控制. 2018(02)
[7]基于振動(dòng)信號(hào)的軸承故障診斷技術(shù)綜述[J]. 沙美妤,劉利國.  軸承. 2015(09)
[8]基于定子電流監(jiān)控的軸承故障在線監(jiān)測(cè)[J]. 張海剛,尹怡欣,祝喬,楊永亮.  控制理論與應(yīng)用. 2015(04)



本文編號(hào)：3190811