-
题名基于VMD-SVD和SVM的旋转机械故障诊断研究
被引量：6
- 1
-
-
作者
张燕霞
户文刚
-
机构
甘肃交通职业技术学院机电工程系
-
出处
《机电工程》
CAS
北大核心
2022年第3期324-329,共6页
-
基金
甘肃省高等学校创新基金资助项目(2021B-456)。
-
文摘
旋转机械的振动信号具有非线性、非平稳特点,同时其早期的微弱故障信号易受噪声的干扰,因此在故障诊断中难以提取其故障特征,识别其故障类型,针对这一问题,提出了一种基于变分模态分解(VMD)-奇异值分解(SVD)和支持向量机(SVM)的旋转机械故障诊断方法。首先,对原始振动信号进行了VMD分解,并得到了其若干个分量信号;然后,对各分量信号进行了信号重构,应用SVD提取了其重构信号的奇异值特征向量;最后,将其特征向量输入SVM进行了故障诊断,利用双跨度转子故障模拟实验台实测数据验证了该方法的有效性。研究结果表明:基于VMD-SVD方法得到的模态分量(IMF)矩阵的奇异值表现出很好的稳定性,在三维特征散点图中表现出很好的可分性;在变工况和不同转速下,与其他组合方法相比,该方法具有更高的识别准确率,平均分类识别率分别到达了95.96%、95.95%,可以有效地辨识出轴承等旋转机械的故障类型。
-
关键词
变分模态分解
奇异值分解
支持向量机
故障诊断
-
Keywords
variational modal decomposition(VMD)
singular value decomposition(SVD)
support vector machine(SVM)
fault diagnosis
-
分类号
TH133
[机械工程—机械制造及自动化]
TH17
[机械工程—机械制造及自动化]
-
