期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
基于CEEMDAN-CPO-VMD的RV减速器故障诊断模型
1
作者 郭曼 徐建 蔺梦雄 《机电工程》 北大核心 2025年第8期1490-1501,共12页
针对强背景噪声下旋转矢量(RV)减速器故障诊断困难的问题,提出了一种自适应噪声完备集合经验模态分解(CEEMDAN)结合冠豪猪算法(CPO)优化变分模态分解(VMD)的RV减速器故障诊断方法。首先,利用自适应噪声完备集合经验模态分解对含噪声目... 针对强背景噪声下旋转矢量(RV)减速器故障诊断困难的问题,提出了一种自适应噪声完备集合经验模态分解(CEEMDAN)结合冠豪猪算法(CPO)优化变分模态分解(VMD)的RV减速器故障诊断方法。首先,利用自适应噪声完备集合经验模态分解对含噪声目标信号进行了降噪分解,得到了一系列固有模态分量(IMF),再根据峭度值原则,选取了目标模态分量;然后,以包络熵为适应性函数,利用CPO算法对变分模态分解中的分解参数K值和α值进行了寻优计算,得到了最后的[K,α]组合,并对VMD进行了最优参数设置;最后,分解后得到一系列本征模态函数分量,对分解后的目标分量进行了重构,再对重构后的目标分量进行包络谱分析并进行了故障诊断,为了验证CEEMDAN-CPO-VMD方法的优越性,进行了实验对比分析。研究结果表明:经CPO重构后的信号信噪比为9.38,均方根误差为0.036,计算时间为36.59 s;利用CEEMDAN-CPO-VMD方法有效地提取了RV减速器的故障特征;对比验证该方法的可行性,使用频谱包络分析得到的结果,有较多的边频干扰,不能有效地定位故障点;同时,对比麻雀搜索算法(SSA)优化的VMD,经SSA算法重构后的信号信噪比为8.57,均方根误差为0.042,计算时间为50.24 s,相比于SSA算法,CPO算法的信噪比结果提高了0.78 dB,均方根误差降低了0.006,迭代时间减少了13.65 s,有了更好的收敛性,验证了CEEMDAN-CPO-VMD法有更好的诊断效果。该研究成果可为强噪声干扰下的RV减速器故障诊断提供参考。 展开更多
关键词 旋转矢量减速器 变速器 自适应噪声完备集合经验模态分解 冠豪猪优化算法 变分模态分解 包络熵 故障分类识别方法
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部