典型文献
基于MOA-VMD的轴承多维健康指标构建方法
文献摘要：
针对目前用于预测轴承健康度所构建的健康指标所含信息不充分的问题,提出了一种基于MOA-VMD的轴承多维健康指标的构建方法.首先,用蜉蝣优化算法对变分模态分解的参数进行优化,用优化的变分模态分解方法将轴承振动信号分解为k个本征模态分量;然后,选取与原始信号相关性最强的n个分量进行信号重构,将重构信号的最大值、平均值、峭度以及n个分量的奇异值、样本熵、能量熵构成多维特征向量,再利用t-SNE方法降至低维得到多维健康指标;最后,将健康指标输入支持向量机和长短期记忆神经网络分别提取轴承工况信息与健康度信息.试验表明,此方法构建的健康指标可以同时提取工况信息与健康度信息,且具有较好的工况识别与健康度预测效果.
文献关键词：
滚动轴承;寿命预测;特征提取;蜉蝣优化算法;变分模态分解;降维
中图分类号：
作者姓名：
王道嵘;梁涛;王建辉;姜文
作者机构：
河北工业大学 人工智能与数据科学学院,天津 300130;河北建投能源投资股份有限公司,石家庄 050011
文献出处：
引用格式：
[1]王道嵘;梁涛;王建辉;姜文-.基于MOA-VMD的轴承多维健康指标构建方法)[J].轴承,2022(06):60-66
A类：
B类：
MOA,VMD,多维健康,健康指标,指标构建,构建方法,所含,信息不充分,蜉蝣优化算法,变分模态分解,分解方法,轴承振动,振动信号,信号分解,本征模态分量,信号相关性,信号重构,重构信号,峭度,奇异值,样本熵,能量熵,多维特征,特征向量,SNE,低维,长短期记忆神经网络,同时提取,工况识别,健康度预测,滚动轴承,寿命预测
AB值：
0.353505
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
