典型文献
基于SHO-VMD分解和多特征参数的变工况滚动轴承故障诊断
文献摘要：
风机在多种工况条件下运行时,利用轴承的振动监测系统所检测到的信号难以实现故障诊断,而大量文献研究的轴承故障诊断多是在恒定转速下进行的.针对变工况下运行的滚动轴承,提出一种基于SHO-VMD分解和多特征参数融合的特征提取方法,使用t-SNE降维可视化,提取出振动信号的故障信息与转速变化信息.变分模态分解(VMD)方法的分解效果取决于分解个数和惩罚因子的取值,采用自私羊群优化算法(SHO)对参数进行优化,将振动信号分解为一些本征模态分量,再对每组分量进行特征参数提取,基于奇异值特征、能量熵、样本熵特征进行多特征量融合,使用t-SNE降维来提取轴承故障信息以及速度变化信息,实验结果表明:提出的方法可以有效提取出轴承的故障和速度信息.
文献关键词：
SHO优化算法;变分模态分解;多特征量;滚动轴承;故障诊断;变工况
中图分类号：
作者姓名：
刘伟;梁涛;李涛;姜文
作者机构：
河北工业大学人工智能与数据科学学院,天津300000;河北建设能源投资股份有限公司,河北石家庄050011
文献出处：
引用格式：
[1]刘伟;梁涛;李涛;姜文-.基于SHO-VMD分解和多特征参数的变工况滚动轴承故障诊断)[J].机床与液压,2022(19):185-193
A类：
B类：
SHO,VMD,多特征参数,变工况,滚动轴承故障诊断,风机,工况条件,下运,振动监测系统,难以实现,大量文,参数融合,SNE,振动信号,故障信息,速变,变分模态分解,惩罚因子,自私,羊群,信号分解,本征模态分量,特征参数提取,奇异值,能量熵,样本熵,熵特征,多特征量,速度变化,有效提取,速度信息
AB值：
0.300325
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。
