申请/专利权人：温州大学

申请日：2023-08-14

公开（公告）日：2023-12-26

公开（公告）号：CN117288468A

主分类号：G01M13/045

分类号：G01M13/045;G06F17/18;G06N3/006;G06F18/10;G06F18/213;G06F18/24

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.01.12#实质审查的生效;2023.12.26#公开

摘要：本发明涉及一种基于ERK的优化VMD的滚动轴承故障诊断方法。本发明要解决的技术问题是提供一种基于ERK的优化VMD的滚动轴承故障诊断方法。本发明基于ERK的优化VMD的滚动轴承故障诊断方法采用的技术方案:提出以基于元启发式算法的蛇优化算法优化VMD的方法，以最小香农熵与峭度比值为优化目标，寻找最佳VMD参数后利用最佳VMD参数进行分解与后续的故障诊断。本发明基于ERK的优化VMD的滚动轴承故障诊断方法的优点在于：引入新方法利用SO算法能够自适应地筛选出最优VMD参数，解决了VMD参数难以选择和模态混叠等问题，能准确有效的对滚动轴承进行故障诊断。

主权项：1.一种基于ERK的优化VMD的滚动轴承故障诊断方法，其特征在于：提出以基于元启发式算法的蛇优化算法SO优化VMD的方法，以最小香农熵与峭度比值EKR为优化目标，寻找最佳VMD参数后利用最佳VMD参数进行分解与后续的故障诊断，具体可分为以下四部分：第一部分，利用SO优化VMD以获得优化参数，优化过程如下：为了优化VMD，选择EKR值为衡量指标，最小EKR值对应的VMD参数分解层数和惩罚因子为最优VMD参数。首先，对VMD参数和优化算法进行初始化；其次，对滚动轴承振动信号进行K层VMD分解，分解完成后可获得K个固有模态分量；接着，计算K个固有模态分量的EKR值，并此处最小的EKR值和全局最小EKR值进行对比，当小于全局EKR值时，更新EKR和它所对应的VMD分解参数K和惩罚因子α；然后，检查是否满足迭代要求，当未满足时继续下一次迭代，过程同上；最后，即可获得全局最小EKR值和它所对应的优化后VMD的参数；第二部分，进行信号重构，具体如下：首先，利用优化后的VMD参数分解层数K和惩罚因子α对滚动轴承振动信号进行VMD分解以获得K个固有模态分量；其次，计算每个固有模态分量的EKR指标，选择最小的1个或2个EKR指标对应的固有模态分量进行重构信号，为后续分析做准备；第三部分，故障特征频率提取，具体如下：首先，利用TEO能量算子计算重构信号的能量；其次，对重构信号的能量进行快速傅里叶变换，以获得TEO包络谱；第四部分，进行故障分析，具体如下：提取出TEO能量谱的特征频率，并与理论故障特征频率进行对比，以判断轴承是否存在故障以及故障类型。

全文数据：

权利要求：

百度查询： 温州大学 一种基于ERK的优化VMD的滚动轴承故障诊断方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD