典型文献
一种改进的VMD及其在轴承故障诊断中的应用
文献摘要：
针对VMD在实际工程中需要凭借人为经验设定本征模态分量(IMF)个数,提出了一种通过频谱极值点与自适应阈值之间的关系确定VMD中的最佳IMF数量的策略,称为自适应变分模态分解(Adaptive Variational Modal Decomposi-tion,AVMD),并将其结合最小二乘支持向量机(LSSVM)用于滚动轴承故障诊断.首先利用AVMD对轴承信号分解获得多个IMF分量后根据峭度值将分量信号重构,然后提取重构信号的多尺度排列熵作为训练LSSVM的特征向量,最后用获得的诊断模型对未知的轴承故障进行分类.通过仿真分析及轴承信号的诊断结果表明,AVMD能够有效的将多频率组成的复杂信号分离成几个有效的IMF组合形式,且结合LSSVM的诊断模型具有较高的识别率.
文献关键词：
自适应变分模态分解;多尺度排列熵;最小二乘支持向量机;滚动轴承;故障诊断
中图分类号：
作者姓名：
金志浩;穆鹏丞;张义民;张凯
作者机构：
沈阳化工大学装备可靠性研究所,辽宁沈阳 110142
文献出处：
引用格式：
[1]金志浩;穆鹏丞;张义民;张凯-.一种改进的VMD及其在轴承故障诊断中的应用)[J].机械设计与制造,2022(02):42-46
A类：
B类：
借人,定本,本征模态分量,IMF,过频,极值点,自适应阈值,自适应变分模态分解,Adaptive,Variational,Modal,Decomposi,AVMD,最小二乘支持向量机,LSSVM,滚动轴承故障诊断,信号分解,峭度值,信号重构,重构信号,多尺度排列熵,特征向量,诊断模型,诊断结果,多频率,复杂信号,信号分离,组合形式,识别率
AB值：
0.325961
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。
