典型文献
基于改进自适应多元变分模态分解的轴承故障诊断方法研究
文献摘要：
为解决多元变分模态分解(MVMD)经验参数设置对分解结果的影响,提出一种新的自适应多元变分模态分解(AMVMD)方法并将其应用于轴承的故障诊断方面.首先,将最小平均包络熵(MAEE)作为适应度函数,采用灰狼算法(GWO)寻求MVMD参数的最优解,并按照最优参数对原始信号进行分解.然后,计算各本征模态分量(IMF分量)的样本熵和相关系数,选取最佳模态进行信号重构.最后,通过Teager能量算子(TEO)对重构信号进行解调,以增强微弱的瞬态冲击成分并识别特征频率.结果 表明:将所提出的AMVMD与TEO相结合可以有效减少信号噪声,提取轴承的故障特征.
文献关键词：
多元变分模态分解;灰狼算法;样本熵;Teager能量算子
中图分类号：
作者姓名：
时培明;张慧超;韩东颖
作者机构：
燕山大学电气工程学院,河北秦皇岛066004;燕山大学车辆与能源学院,河北秦皇岛066004
文献出处：
引用格式：
[1]时培明;张慧超;韩东颖-.基于改进自适应多元变分模态分解的轴承故障诊断方法研究)[J].动力工程学报,2022(02):129-137
A类：
AMVMD,MAEE
B类：
多元变分模态分解,轴承故障诊断,故障诊断方法,经验参数,参数设置,解结,平均包络熵,适应度函数,灰狼算法,GWO,最优解,最优参数,本征模态分量,IMF,样本熵,信号重构,Teager,能量算子,TEO,重构信号,解调,微弱,瞬态冲击,识别特征,特征频率,信号噪声,故障特征
AB值：
0.305377
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。
