典型文献
基于VMD-MSE与SSA-SVM的往复式压缩机气阀故障诊断
文献摘要：
往复压缩机气阀故障振动信号具有较强的非线性和非平稳性.为了从往复压缩机气阀振动信号中提取故障特征用于故障诊断,提出一种基于变分模态分解(variational mode decomposition,VMD)与多尺度嫡(multi-scale entrope,MSE)的故障特征提取方法,并与采用麻雀寻优算法(soarrow search algorithm,SSA)优化的支持向量机(suppot vector mackine,SVM)相结合,用于往复压缩机气阀故障诊断;通过对往复压缩机气阀信号进行VMD分解,选取合适的内禀模态分量(intrinsic mode function,IMF)进行信号重构,基于MSE嫡值分析构成特征向量集,最后将其输入SSA-SVM训练并识别故障类型.试验结果表明,基于VMD-MSE与SSA-SVM的故障诊断模型能有效并准确的识别往复压缩机气阀故障.
文献关键词：
往复压缩机;变分模态分解;多尺度样本熵;支持向量机;模式识别
中图分类号：
作者姓名：
别锋锋;朱鸿飞;彭剑;张莹
作者机构：
常州大学机械与轨道交通学院,江苏常州 213164;江苏省绿色过程装备重点实验室,江苏常州 213164
文献出处：
引用格式：
[1]别锋锋;朱鸿飞;彭剑;张莹-.基于VMD-MSE与SSA-SVM的往复式压缩机气阀故障诊断)[J].振动与冲击,2022(19):289-295
A类：
entrope,麻雀寻优,soarrow,suppot,mackine
B类：
VMD,MSE,SSA,往复式压缩机,气阀故障,往复压缩机气阀,故障振动,振动信号,非平稳性,征用,变分模态分解,variational,mode,decomposition,multi,scale,故障特征提取,寻优算法,search,algorithm,vector,模态分量,intrinsic,function,IMF,信号重构,构成特征,特征向量,故障类型,故障诊断模型,多尺度样本熵,模式识别
AB值：
0.218825
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。
