基于VMD-MPE结合概率神经网络和极限学习机的滚动轴承故障诊断分析.pdfVIP

《热加工工艺》2022年5月第51卷第10期

•失效分析•

基于VMD-MPE结合概率神经网络和极限

学习机的滚动轴承故障诊断分析

曾宪旺，孙文磊，王宏伟，徐甜甜，张凡

(新疆大学机械工程学院，新疆乌鲁木齐830046)

摘要：为揭示滚动轴承的多参量故障特性，提出了变分模态分解和多尺度排列爛相结合的方法进行特征提取并

通过不同的算法进行故障诊断。首先对滚动轴承故障信号进行变分模态分解，其次利用多尺度排列爛量化各模态分量

的故障特征，最后对计算所得爛值组成特征向量集将其导入概率神经网络、极限学习机和支持向量机中进行诊断，对比

分析测试时间和正确概率。结果表明，该方法能有效提取故障特征并且准确实现故障模式的分类识别，进而提高了故障

识别概率。

关键词：变分模态分解；多尺度排列爛;极限学习机；故障诊断

DOI:10.14158/j.cnki.1001-3814.

中图分类号:TG142文献标识码：A文章编号:1001-3814(2022)10-0157-0

FaultDiagnosisAnalysisofRollingBearingBasedoVMD-MPECombined

withPNNandLEM

ZENGXianwang,SUNWenlei,WANGHongwei,XUTiantian,ZHANGFan

(SchoolofMechanicalEngineering,XinjiangUniversity,Urumqi830046,China)

Abstract:Inordertorevealthemulti-parameterfaultcharacteristicsofrollingbearings,amethodcombiningvariational

modedecompositionandmulti-scalepermutationentropywasproposedforfeatureextractionandfaultdiagnosisbydifferent

algorithms.Therollingbearingfaultsignalwasdecomposedbyvariationalmodes.Secondly,thefaultcharacteristicsofeach

modalcomponentwerequantifiedbymulti-scalepermutationentropy,andfinally,thecalculatedentropywascomposedof

featurevectorset,whichwasintroducedintoprobabilisticneuralnetwork,limitlearningmachineandsupportvectormachine

fordiagnosis,andthetesttimeandcorrectprobabilitywerecomparedandanalyzed.Theresultsshowthatthismethodcan

extractfaultfeatureseffectivelyandrealizetheclassificationandrecognitionoffaultmodesaccurately,theprobabilityoffault

identificationimproves.

Keywords:VMD(variationalmodedecomposition);MPE(multi-scalepermutatio