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...
基于优化VMD和MCKD的滚动轴承早期故障诊断方法
降低噪声影响,本文提出一种基于MCKD和VMD关联维数的滚动轴承故障诊断AR模型,首先利用MCKD对故障信号进行降噪,再通过VMD对降噪后的信号进行分解,重构信号建立AR模型,获取自回归参数,最后通过计算自回归参数的关联维数对滚动轴承故障进行诊断。
VMDMCKD1.m 独厮**fe上传457 Bytes文件格式m倍频成分提取 利用MCKD算法对 数据进行倍频成分提取,利用VMD选择包含冲击成分较多的分量 进行重构,用MCKD算法对重构信号进行处理,从包络谱观察提取的倍频成分 (0)踩踩(0) 所需:1积分
故障诊断滚动轴承阿基米德算法变分模态分解最大相关峭度解卷积针对滚动轴承早期故障特征易受强背景噪声影响而难以提取的问题,提出一种基于阿基米德算法(Archimedes Optimization Algorithm,AOA)优化变分模态分解(Variational Mode Decomposition,VMD)和相关最大峭度解卷积(Maximum Correlated Kurtosis Deconvolution,MCKD)参数的滚动...
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....
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...
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...
strong noise environment and its identification lacks the mathematical theoritical foundation, a novel early fault identification method of rolling bearings combining with improved variational mode decomposition (IVMD) and maximum correlated kurtosis deconvolution (MCKD) was proposed based on frac...
频率检测蜣螂搜索算法小波包分析变分模态分解最大相关峭度解卷积针对滚动轴承故障信号在低信噪比情况下,难以提取故障频率问题,提出一种将小波包变换,参数优化变分模态分解(Variational Mode Decomposition,VMD)与最大相关峭度解卷积(Maximum Correlated Kurtosis Deconvolution,MCKD)相结合的轴承故障频率提取方法.采用小波包变换...