《机电工程》杂志,月刊( 详细... )

中国标准连续出版物号 ISSN 1001-4551 CN 33-1088/TH
主办单位浙江省机电集团有限公司
浙江大学
主编赵 群
副 主 编唐任仲、罗向阳(执行主编)
总 经 理罗向阳
出 版浙江《机电工程》杂志社有限公司
地 址杭州市上城区延安路95号浙江省机电集团大楼二楼211、212室
电话Tel+86-571-87041360、87239525
E-mailmeem_contribute@163.com
国外发行中国国际图书贸易总公司
订阅全国各地邮局   国外代号M3135
国内发行浙江省报刊发行局
邮发代号32-68
广告发布登记证:杭上市管广发G-001号

在线杂志

当前位置: 机电工程 >>在线杂志

基于VMD-SVD和SVM的旋转机械故障诊断研究

作者:张燕霞,户文刚. 日期:2022-05-19/span> 浏览:689 查看PDF文档

基于VMD-SVD和SVM的旋转
机械故障诊断研究*
张燕霞,户文刚

(甘肃交通职业技术学院 机电工程系,甘肃 兰州 730070)


摘要:旋转机械的振动信号具有非线性、非平稳特点,同时其早期的微弱故障信号易受噪声的干扰,因此在故障诊断中难以提取其故障特征,识别其故障类型,针对这一问题,提出了一种基于变分模态分解(VMD)-奇异值分解(SVD)和支持向量机(SVM)的旋转机械故障诊断方法。首先,对原始振动信号进行了VMD分解,并得到了其若干个分量信号;然后,对各分量信号进行了信号重构,应用SVD提取了其重构信号的奇异值特征向量;最后,将其特征向量输入SVM进行了故障诊断,利用双跨度转子故障模拟实验台实测数据验证了该方法的有效性。研究结果表明:基于VMD-SVD方法得到的模态分量(IMF)矩阵的奇异值表现出很好的稳定性,在三维特征散点图中表现出很好的可分性;在变工况和不同转速下,与其他组合方法相比,该方法具有更高的识别准确率,平均分类识别率分别到达了95.96%、95.95%,可以有效地辨识出轴承等旋转机械的故障类型。

关键词:变分模态分解;奇异值分解;支持向量机;故障诊断


本文引用格式:

张燕霞,户文刚.基于VMD-SVD和SVM的旋转机械故障诊断研究[J].机电工程,2022,39(3):324-329.

ZHANG Yan-xia, HU Wen-gang. Fault diagnosis of rotating machinery based on VMD-SVD and SVM[J].Journal of Mechanical & Electrical Engineering, 2022,39(3):324-329.



友情链接

浙江机械信息网