K值优化的VMD在轴承故障诊断中的应用.pdfVIP

数据采集与处理;测控技术•117*

2019年第38卷第4期

1值优化的VMD在轴承故障诊断中的应用

宋玉琴，邓思成，路彦刚

(西安工程大学电子信息学院，陕西西安710048)

摘要：由于机械设备实际运行状态下环境噪声的影响，轴承早期非平稳振动信号的故障特征难以有效提

取。为此，将1值优化的变分模态分解引入轴承的早期故障诊断方法中。首先利用小波包降噪法对轴

承实际振动信号进行降噪；然后利用1值优化的VMD算法，通过合理设置参数1,将降噪信号分解为

若干本征模态分量，利用用度值选取最佳分量；最后提取最佳分量的样本熵和排列熵组成特征向量，利

用模糊C聚类识别轴承的故障类型。实验结果表明，该方法避免了信号的过分解，能有效提取振动信

号特征，实现轴承的早期故障诊断。

关键词!VMD;1值优化;故障诊断;轴承

中图分类号:TH133.33;TP206.3文献标识码:A文章编号!1000-8829(2019)04-0117-05

doi:10.19708/j.ckjs.2019.04.024

ApplicationofKValueOptimizedVMDinBearingFaultDiagnosis

SONGYu-qin,DENGSi-cheng,LUYan-gang

(SchooloftheElectronicsandInformation,Xi’anPolytechnicUniversity,Xi’an710048,China)

Abstract:Becauseoftheinfluenceofenvironmentalnoiseundertheactualoperatingstate

quipment,tliefaultcharacteristicsoftlieearlynon-stationaryvibrationsignalsoftliebearingsaredificulttoex­

tracteffectively.Therefore,tlievariationalmodedecompositionof1-valiueoptimizationisintroducedintothe

early-earningfaultdiagnosismethodofbearings.Firstly,theactualvibrationsignalofthebearingwasdenoised

bywaveletpacketdenoisingmethod.Then,the1-valueoptimizedVMDalgorithmwasusedtodecomposethe

denoisingsignalintoseveralintrinsicmodefunctionsbysettingtheparameter1reasonably,

valuewasusedtoselectthebestcomponent.Finally,thesampleentropyand

componentwereextractedtofor