基于多尺度高阶奇异谱熵的信号特征提取方法

摘要：

提出了基于变分模态分解(VMD)的高阶奇异谱熵的特征提取方法,并应用在滚动轴承故障诊断中.首先,使用4阶累积量切片代替奇异谱熵分析(SSEA)的协方差矩阵,引入VMD分解实现方法多尺度化,提出信号多分辨高阶奇异谱熵分析(M-HSSEA)方法;通过信号分析,VMD解决了模态混叠的问题,且能够实现信号滤波,同时该方法提取的熵特征向量增强了相空间重构参数鲁棒性;通过和小波奇异谱提取特征的方法对比,结果表明所提出的方法在克服频率混叠现象,提取的特征点总体离散度小等方面更具优势;最后,结合深度信念网络分类器实现了对故障的分类,实验结果验证了所提方法的有效性和可行性.

关键词：计量学、变分模态分解、故障诊断、多尺度、深度信念网络

所属期刊栏目：40

分类号：TB936;TB973(计量学)

资助基金：国家重点研发项目2018YFB0905500;国家自然科学基金51875498;河北省自然科学基金E2018203439,E2018203339,F2016203496;河北省专业学位研究生教学案例库建设项目KCJSZ2017022

在线出版日期：2019-10-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：848-854