论文摘要
滚动轴承的故障定位以及性能衰减程度的诊断能够有效地降低设备停机率。针对故障轴承的非稳态振动信号易受噪声干扰、故障识别难度大等问题,提出了一种关于机械滚动轴承故障信号的诊断方法。上述方法对已知各类型故障振动信号进行变分模态分解(VMD),以本征模态函数(IMF)之间的Pearson相关系数为指标对VMD模态个数进行参数改进,实现振动信号自适应模态个数的VMD分解。然后利用奇异值分解(SVD)得到模态矩阵的奇异值,并以归一化后的奇异值矩阵作为故障信号的特征矩阵输入到极限学习机(ELM)进行故障定位及性能衰减程度的诊断。实验结果表明,所提方法能够有效地对滚动轴承故障振动信号进行特征提取和智能识别。
论文目录
文章来源
类型: 期刊论文
作者: 司加胜,唐昊,李晓庆,承敏钢
关键词: 变分模态分解,相关系数,特征提取,故障诊断,极限学习机
来源: 计算机仿真 2019年01期
年度: 2019
分类: 信息科技,工程科技Ⅱ辑
专业: 机械工业
单位: 合肥工业大学电气与自动化学院
基金: 国家重点研发计划(2017YFB0902600),国家自然科学基金重点项目(71231004),国家自然科学基金面上项目(JZ2015GJMS0418)
分类号: TH133.33
页码: 403-408
总页数: 6
文件大小: 960K
下载量: 258