故障诊断优化VMD优化MCKDXgboostSVM旋转机械广泛应用于工业生产中,滚动轴承是旋转机械中最常用且易发生故障的零件之一,其运行状态直接影响到工业生产的安全.在实际应用中,由于滚动轴承结构和工作环境的原因,生成的信号会包含噪声和冲击,呈现出非线性,非平稳性,使得故障特征难以提取.因此,研究滚动轴承故障诊断方法有重要意义...
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。
基于PSO-VMD-MCKD的滚动轴承微弱故障诊断方法 (57)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 法律状态 法律状态...
摘要:针对滚动轴承早期故障易受噪声影响难以准确提取特征信息的问题,提出了一种基于最大相关峭度解卷积(MCKD)和变分模态分解(VMD)关联维数的故障诊断AR模型。采用MCKD对滚动轴承振动信号进行降噪处理,滤除噪声影响;对降噪后的信号进行VMD分...
滚动轴承故障诊断针对炼铁厂除尘风机服役在高温,高湿,多粉尘的恶劣环境下以及强背景噪声的复杂工况造成其驱动侧滚动轴承振动信号具有强非线性,强调制的特点,致使其故障特征频率难提取,难辨识的问题,融合变分模态分解(Variational Mode Decomposition,VMD)与最大相关峭度解卷积(Maximum Correlated Kurtosis Deconvolution,MCKD)...
MCKD)相结合的滚动轴承故障诊断方法.首先对轴承故障信号进行进行VMD分解并得到一系列窄带本征模态函数(intrinsic mode functions,IMFs);然后对各个IMF分量进行MCKD降噪,突出故障冲击成分;最后对降噪后的信号进行包络解调分析完成轴承的故障诊断.仿真信号和轴承故障振动信号的分析结果表明,基于VMD和MCKD的轴承故障诊断方法能够...
本发明提供一种基于多准则优化VMD_MCKD的中介轴承故障诊断方法,涉及滚动轴承故障诊断领域;首先使用人工蜂鸟算法(AHA)优化VMD中的参数α和k,并引入一种新的指标—有效加权峭度指标(EWK)为适应度函数;利用优化后的VMD对信号进行分解并以EWK作为评价指标,筛选符合条件的分量作为最优分量;其次,以故障特征能量比(FFER)为...
分形故障诊断针对强噪声环境下滚动轴承微弱信号易被淹没,其识别缺乏数学理论基础的问题,基于分形理论提出一种改进变分模态分解(Improved Variational Mode Decomposition, IVMD)与最大相关峭度解卷积(Maximum correlated kurtosis deconvolution, MCKD)相结合的轴承早期故障识别方法.采用灰狼算法(Grey Wolf Optimizer, GWO)优化...
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