首先基于VMD方法选取故障信号的最优模态分量,然后采用MCKD算法增强最优分量信号中的冲击成分,最后通过包络谱分析提取滚动轴承的故障频率.利用粒子群优化算法(Particle Swarm Optimization,PSO)对VMD算法中的参数α和K以及MCKD算法中的参数L和M进行寻优,并对PSO算法中惯性因子和学习因子的更新方法加以改进,以提高参数寻优...
[鲜花]pso优化mckd算法流程图如下：本发明提出的技术方法包括以下步骤：步骤一：利用加速度传感器对旋转机械设备进行测量，获取振动加速度信号；步骤二：利用pso算法优化vmd算法中的α和k，后对采集的振动信号进行vmd分解。6.步骤三：基于vmd对微弱故障信号分解后的结果，利用包络谱峰值因子最大准则，选取最...
改善传统方法在微弱故障信号特征提取上的困难;克服单一使用mckd或者单一使用vmd方法难以实现微弱故障诊断的缺点(2)引入智能优化算法——pso算法实现了vmd、mckd参数的自适应选择,避免人为选择参数导致的错误诊断结果,pso算法比试验法和网格寻优法具有跟高的效率。
摘要 本发明提供一种基于PSO‑VMD‑MCKD的滚动轴承微弱故障诊断方法,对采集到的振动信号,首先利用PSO算法优化VMD算法,基于VMD对微弱故障信号分解后的结果,选取最优模态分量。其次,根据最优模态分量的包络谱中的突出频率范围,确定PSO对MCKD算法中T的寻优范围;利用PSO优化MCKD算法,再基于MCKD算法加强最优分量信号中的...
本发明提供一种基于PSO‑VMD‑MCKD的滚动轴承微弱故障诊断方法,对采集到的振动信号,首先利用PSO算法优化VMD算法,基于VMD对微弱故障信号分解后的结果,选取最优模态分量。其次,根据最优模态分量的包络谱中的突出频率范围,确定PSO对MCKD算法中 法律状态 法律状态公告日 法律状态信息 法律状态 2018-08-21 公开 公开 20...
一种基于PSO-VMD-MCKD的滚动轴承微弱故障诊断方法本发明提供一种基于PSOVMDMCKD的滚动轴承微弱故障诊断方法,对采集到的振动信号,首先利用PSO算法优化VMD算法,基于VMD对微弱故障信号分解后的结果,选取最优模态分量.其次,根据最优模态分量的包络谱中的突出频率范围,确定PSO对MCKD算法中殷桂虎...
一种基于PSO-VMD-MCKD的滚动轴承微弱故障诊断方法专利信息由爱企查专利频道提供,一种基于PSO-VMD-MCKD的滚动轴承微弱故障诊断方法说明:本发明提供一种基于PSO‑VMD‑MCKD的滚动轴承微弱故障诊断方法,对采集到的振动信号,首先利用P...专利查询请上爱企查
首先,利用PSO优化VMD算法中的α和K,再基于VMD对微弱故障信号分解后的结果,选取最优模态分量;其次,利用PSO优化MCKD算法中的L和T,再基于MCKD算法加强最优分量信号中的故障冲击成分;最后,通过包络谱提取出轴承微弱故障特征.仿真和试验均表明,此方法能够自适应增强轴承微弱故障中的冲击成分,有效提取出被强噪声淹没的轴承...
本发明提供一种基于PSOVMDMCKD的滚动轴承微弱故障诊断方法,对采集到的振动信号,首先利用PSO算法优化VMD算法,基于VMD对微弱故障信号分解后的结果,选取最优模态分量.其次,根据最优模态分量的包络谱中的突出频率范围,确定PSO对MCKD算法中的寻优范围;利用PSO优化MCKD算法,再基于MCKD算法加强最优分量信号中的故障冲击成分....