典型文献
基于VMD和改进D-S证据理论的中速磨煤机振动故障识别研究
文献摘要：
为解决中速磨煤机无法在线识别振动故障及传统的机器分类算法无法准确表达故障信息的问题,提出变分模态分解(VMD)和改进D-S证据理论相结合的磨煤机振动故障识别方法.首先,通过对磨煤机从正常到发生故障过程中运行参数(磨加载油压、磨出口风压等)的时域分析,选取磨电流这一参数表征磨煤机振动状态;其次,利用VMD对不同状态的磨电流时间序列进行处理,提取分解后各模态分量的能量比作为故障特征;通过改进D-S证据理论对各特征参数进行多源信息融合得到最终的基本概率赋值,用于决策分析;最后,通过实验验证了所提方法的有效性.结果表明:改进D-S证据理论可以更加全面地表达故障信息,增加诊断结果的可信度;该方法可以在故障发生2 min后准确地识别引起振动故障的原因,同时利于检修人员采取相应的解决措施.
文献关键词：
振动故障识别;中速磨煤机;变分模态分解;改进D-S证据理论;特征提取;信息融合;故障诊断
中图分类号：
作者姓名：
赵征;丁建平
作者机构：
华北电力大学 控制与计算机工程学院,河北 保定 071003
文献出处：
引用格式：
[1]赵征;丁建平-.基于VMD和改进D-S证据理论的中速磨煤机振动故障识别研究)[J].现代电子技术,2022(07):80-85
A类：
振动故障识别
B类：
VMD,证据理论,中速磨煤机,在线识别,分类算法,故障信息,变分模态分解,故障识别方法,运行参数,油压,磨出,口风,风压,时域分析,参数表征,振动状态,流时,取分,模态分量,能量比,比作,故障特征,多源信息融合,概率赋值,决策分析,诊断结果,可信度,检修
AB值：
0.24378
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。
