基于SHO-VMD分解和多特征参数的变工况滚动轴承故障诊断

摘要：

风机在多种工况条件下运行时,利用轴承的振动监测系统所检测到的信号难以实现故障诊断,而大量文献研究的轴承故障诊断多是在恒定转速下进行的.针对变工况下运行的滚动轴承,提出一种基于SHO-VMD分解和多特征参数融合的特征提取方法,使用t-SNE降维可视化,提取出振动信号的故障信息与转速变化信息.变分模态分解(VMD)方法的分解效果取决于分解个数和惩罚因子的取值,采用自私羊群优化算法(SHO)对参数进行优化,将振动信号分解为一些本征模态分量,再对每组分量进行特征参数提取,基于奇异值特征、能量熵、样本熵特征进行多特征量融合,使用t-SNE降维来提取轴承故障信息以及速度变化信息,实验结果表明:提出的方法可以有效提取出轴承的故障和速度信息.

关键词：SHO优化算法、变分模态分解、多特征量、滚动轴承、故障诊断、变工况

所属期刊栏目：50

分类号：TH212;TH213.3(起重机械与运输机械)

资助基金：河北省科技支撑计划资助项目;河北省科技支撑计划资助项目;河北省科技支撑计划资助项目;河北省科技支撑计划资助项目

在线出版日期：2023-01-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：185-193