排序方式: 共有3条查询结果,搜索用时 0 毫秒
1
1.
2.
针对变分模态分解(variational modal decomposition, VMD)的特征提取性能受到参数影响的问题,以及故障状态跟踪的
实时性较差的问题,提出一种状态预警线构造方法和自适应 VMD 方法并将其用于机械零件的故障检测。 首先,提取机械零件
全寿命振动信号的退化特征,基于 2σ 准则构造状态预警线来跟踪机械零件的退化状态并检测故障预警点。 然后,引入能量熵
和互信息构造适应度函数,通过蚱蜢优化算法(grasshopper optimization algorithm, GOA)构造自适应 VMD 模型来检测预警点附
近机械零件的故障状态。 结果表明,提出的状态预警线能更及时有效地检测出故障预警点,自适应 VMD 能更准确地检测出机
械零件故障,具有良好的应用价值。 相似文献
3.
针对单向阀振动信号含有背景噪声,故障特征提取困难和诊断精度不高的问题,提出了二次变分模态分解(二次VMD)、多尺度排列熵(MPE)和模糊C均值聚类(FCM)相结合的故障诊断方法。首先,通过二次VMD对振动信号进行分解,再使用双阈值法筛选得到有用的本征模态函数(IMF)。其次,提取重构信号中具有敏感特性的MPE特征。最后,将故障特征输入至FCM得到聚类中心,并根据海明贴近度对待识别样本进行分类。通过多组对比实验,结果表明二次VMD筛选能有效去除噪声及虚假成分,MPE具有更好的敏感故障特征表征能力。同时,使用FCM对模糊特征进行聚类能够取得比传统支持向量机(SVM)更好的效果。 相似文献
1