典型文献
麻雀算法参数优化VMD联合K-SVD滚动轴承故障诊断
文献摘要：
针对经典K-均值奇异值分解(K-means Singular Value Decomposition,K-SVD)易受噪声干扰产生虚假原子,导致信号稀疏不彻底、故障特征识别困难的问题,提出基于麻雀算法优化变分模态分解(Variational Modal Decomposi-tion,VMD)参数联合K-SVD的滚动轴承故障诊断方法.首先引入包络熵适应度函数指标并基于麻雀算法优化VMD的模态层数k和平衡因子α.其次利用平方包络谱峭度指标遴选最优模态,以所选模态分量相空间构造Hankel矩阵进行K-SVD字典学习.最后对恢复至时间序列的稀疏重构信号进行包络解调,提取轴承故障特征频率.通过轴承故障仿真信号和全寿命实验信号进行验证,证明相较于经典K-SVD算法,所提方法在低信噪比条件下在轴承故障特征提取方面具有优势,有一定的工程应用价值.
文献关键词：
故障诊断;K-SVD;VMD;麻雀算法;平方包络谱峭度
中图分类号：
作者姓名：
褚惟;王贵勇;刘韬;王振亚
作者机构：
昆明理工大学 机电工程学院,昆明 650500;内蒙古第一机械集团有限公司,内蒙古 包头 014000
文献出处：
引用格式：
[1]褚惟;王贵勇;刘韬;王振亚-.麻雀算法参数优化VMD联合K-SVD滚动轴承故障诊断)[J].噪声与振动控制,2022(04):100-106
A类：
平方包络谱峭度
B类：
麻雀算法,算法参数优化,VMD,SVD,滚动轴承故障诊断,奇异值分解,means,Singular,Value,Decomposition,噪声干扰,致信,特征识别,算法优化,变分模态分解,Variational,Modal,数联,故障诊断方法,包络熵,适应度函数,层数,平衡因子,峭度指标,指标遴选,模态分量,相空间,空间构造,Hankel,字典学习,稀疏重构,重构信号,行包,包络解调,故障特征频率,故障仿真,全寿命实验,低信噪比,下在,轴承故障特征提取
AB值：
0.332951
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。
