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。