基于VMD的螺栓松动状态识别

摘要：

针对螺栓出现松动故障信号产生非线性、非平稳的现象,提出一种基于VMD与LSSVM模型相结合的螺栓松动状态识别方法.搭建螺栓松动实验平台采集螺栓松动状态下4种工况的振动信号;利用VMD分解对螺栓松动状态各个工况下的振动信号进行分解,并计算VMD分解后各模态分量的能量熵,最后以各工况下VMD分解的各模态分量能量熵为特征构造特征向量矩阵,通过LSSVM模型进行训练与状态识别.实验结果表明:该方法可以有效的识别出的螺栓松动状态,并通过与EMD-LSSVM模型进行对比,验证了该方法用于螺栓松动状态识别的有效性、可行性与相较其EMD分解方法的优越性.

关键词：螺栓松动、VMD、LSSVM、能量熵、状态识别

所属期刊栏目：48

分类号：TH113.1

资助基金：国家自然科学基金项目;江西省教育厅项目;常州高技术重点实验室项目;National Natural Science Foundation of China ;Jiangxi Provincial Department of Education ;Changzhou Key Laboratory of High Technology

在线出版日期：2020-06-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：61-65,130