典型文献
参数优化VMD与OMP E结合的滚动轴承故障诊断研究
文献摘要：
针对难以判别的轴承运行振动信号中的状态特征,提出参数优化变分模态分解(VMD)和最优多尺度排列熵(OMPE)结合的特征向量构建的方法,采用支持向量机(SVM)进行故障诊断.VMD的分解结果由分解个数和惩罚因子限制,采用量子粒子群算法(QPSO)优化达到分解的最优效果.考虑轴承运行的周期性质,提出基于轴承故障运行周期特性的最优多尺度排列熵概念,运用模态分量与最优尺度排列熵结合构建特征向量.通过不同方法采用支持向量机识别对比分析,表明上述提出的方法能有效提取特征,提高轴承的故障诊断的精度.
文献关键词：
变分模态分解;量子粒子群算法;最优多尺度排列熵;支持向量机;故障诊断
中图分类号：
作者姓名：
杨云;张昊宇;薛元贺;丁磊
作者机构：
华东交通大学 电气与自动化工程学院,南昌 330033;中国铁路南昌局集团有限公司,南昌 330033
文献出处：
引用格式：
[1]杨云;张昊宇;薛元贺;丁磊-.参数优化VMD与OMP E结合的滚动轴承故障诊断研究)[J].机械科学与技术,2022(05):666-672
A类：
最优多尺度排列熵,OMPE
B类：
VMD,滚动轴承故障诊断,诊断研究,承运,振动信号,变分模态分解,特征向量,解结,惩罚因子,量子粒子群算法,QPSO,优效,运行周期,周期特性,模态分量,最优尺度,不同方法,有效提取,提取特征
AB值：
0.198145
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。
