典型文献
改进VMD与MOMEDA的自适应滚动轴承联合降噪方法
文献摘要:
当轴承出现局部故障,能够表征滚动轴承早期故障的微弱冲击特征在传感器采集的过程中往往被强背景噪声所淹没,且易受信号传输路径的影响,从而导致轴承故障难以诊断.针对上述问题,本文提出一种改进VMD与MOMEDA(Multi-point?optimal?minimum?entropy?deconvolution,多点最优最小熵解卷积)的自适应滚动轴承联合降噪方法.首先为了避免VMD方法重要参数严重依赖人工先验知识等问题,采用PSO寻优算法对VMD重要参数进行优化处理,并以峭度作为优化指标选择最优IMF分量,进一步采用MOMEDA消除信号中传输路径的影响,最后结合1.5维能谱诊断滚动轴承故障.与MED-VMD及常规包络谱方法相比较,证明了本文所提方法在轴承故障特征提取领域的优势所在.
文献关键词:
峭度;粒子群优化;变分模态分解;1.5维能量谱
中图分类号:
作者姓名:
罗世民;黄捷洲;蔡秉桓
作者机构:
华东交通大学 机电与车辆工程学院,南昌 330013
文献出处:
引用格式:
[1]罗世民;黄捷洲;蔡秉桓-.改进VMD与MOMEDA的自适应滚动轴承联合降噪方法)[J].机械科学与技术,2022(03):329-336
A类:
B类:
VMD,MOMEDA,滚动轴承,联合降噪,降噪方法,现局,局部故障,早期故障,微弱,背景噪声,淹没,信号传输,传输路径,Multi,point,optimal,minimum,entropy,deconvolution,最小熵解卷积,先为,重要参数,先验知识,PSO,寻优算法,优化处理,峭度,优化指标,指标选择,IMF,包络谱,谱方法,轴承故障特征提取,粒子群优化,变分模态分解,能量谱
AB值:
0.405359
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。