【摘要】：針對滾動軸承振動信號的非平穩(wěn)特征,以及現(xiàn)實中難以獲得大量典型故障樣本的情況,提出了一種基于變分模態(tài)分解的近似熵和支持向量機的故障診斷方法。首先,通過VMD將原始振動信號分解為若干個頻率尺度的本征模態(tài)分量;然后,計算各個IMF分量的近似熵并組成特征向量;最后,將上述特征向量輸入支持向量機進行訓練,并判斷軸承的工作狀態(tài)和故障類型。分析結果表明:與EMD及LMD相比,VMD近似熵與支持向量機相結合后,診斷精度得到了較大的提高,更適用于軸承故障的自動化診斷。
[Abstract]:Aiming at the non-stationary feature of rolling bearing vibration signal and the fact that it is difficult to obtain a large number of typical fault samples in reality, a fault diagnosis method based on approximate entropy and support vector machine (SVM) based on variational mode decomposition (VMD) is proposed. First, the original vibration signal is decomposed into eigenmode components of several frequency scales by VMD. Then, the approximate entropy of each IMF component is calculated and the eigenvector is formed. Finally, the above eigenvector is input into the support vector machine for training. And judge the bearing working state and fault type. The results show that compared with EMD and LMD, the accuracy of diagnosis is greatly improved, which is more suitable for the automatic diagnosis of bearing faults.
【作者單位】： 火箭軍工程大學;
【基金】：國家自然科學基金項目(51405498) 陜西省自然科學基金項目(2013JQ8023) 中國博士后基金項目(2015M582642)
【分類號】：TH133.33

【參考文獻】

相關期刊論文 前4條

1 岳應娟;孫鋼;蔡艷平;劉長江;張世雄;;變分模態(tài)分解在軸承故障診斷中的應用[J];軸承;2016年08期

2 劉長良;武英杰;甄成剛;;基于變分模態(tài)分解和模糊C均值聚類的滾動軸承故障診斷[J];中國電機工程學報;2015年13期

3 張淑清;孫國秀;李亮;李新新;監(jiān)雄;;基于LMD近似熵和FCM聚類的機械故障診斷研究[J];儀器儀表學報;2013年03期

4 蔡艷平;李艾華;石林鎖;白向峰;沈金偉;;基于EMD與譜峭度的滾動軸承故障檢測改進包絡譜分析[J];振動與沖擊;2011年02期

相關碩士學位論文 前1條

1 魏于凡;支持向量機在智能故障診斷中的應用研究[D];華北電力大學（北京）;2007年

【共引文獻】

相關期刊論文 前10條

1 吳廣河;丁建明;林建輝;趙秋園;;軸承故障檢測的EEMD-RA-KU方法研究[J];機械強度;2016年06期

2 岳應娟;孫鋼;蔡艷平;;基于變分模態(tài)分解近似熵和支持向量機的軸承故障診斷方法[J];軸承;2016年12期

3 馬新娜;楊紹普;;基于三維譜峭圖算法的共振解調(diào)技術研究及應用[J];中國機械工程;2016年22期

4 徐波;韓學山;李業(yè)勇;張玉敏;李明;黃海麗;;電力設備機會維修決策模型[J];中國電機工程學報;2016年23期

5 鐘毅;;一種基于相關系數(shù)的模糊C-均值聚類算法[J];軟件產(chǎn)業(yè)與工程;2016年06期

6 湛維明;石巖;王佳;;基于雙樹復小波包變換和1.5維譜的軸承故障診斷方法[J];河南理工大學學報(自然科學版);2016年06期

7 陳重陽;熊邦書;黃建萍;莫燕;李新民;;基于LMD和ICA的滾動軸承故障診斷[J];機械強度;2016年05期

8 陳虹屹;王小敏;郭進;楊揚;;基于EEMD奇異熵的高速道岔裂紋傷損檢測[J];振動.測試與診斷;2016年05期

9 賈亞飛;朱永利;王劉旺;李莉;;基于VMD和多尺度熵的變壓器內(nèi)絕緣局部放電信號特征提取及分類[J];電工技術學報;2016年19期

10 姜建國;劉盈萱;;基于CEEMD和譜峭度的軸承故障診斷[J];化工自動化及儀表;2016年10期

相關碩士學位論文 前10條

1 張寧波;基于信息融合的電子產(chǎn)品故障診斷[D];中北大學;2015年

2 原平;基于EMD近似熵和LS-SVM的齒輪箱故障診斷研究[D];中北大學;2013年

3 蔡一杰;柴油機氣閥漏氣故障振動診斷方法研究[D];武漢理工大學;2013年

4 趙振書;基于相似性原理的發(fā)電機故障預警系統(tǒng)[D];華北電力大學;2013年

5 馬玉峰;風電機組齒輪箱故障趨勢預測方法研究[D];華北電力大學;2013年

6 邴漢昆;基于小波分析和SVM的汽輪機非線性振動故障診斷研究[D];華北電力大學;2013年

7 周小軍;基于AMESim液壓系統(tǒng)泄漏仿真與故障診斷研究[D];國防科學技術大學;2012年

8 劉曉娟;基于希爾伯特—黃變換和支持向量機的齒輪箱故障診斷研究[D];中北大學;2011年

9 吳正苗;基于信息融合和極限學習機的模擬電路故障診斷[D];湖南大學;2011年

10 吳希曦;高檔數(shù)控機床關鍵部件故障智能診斷技術研究[D];西南交通大學;2011年

【二級參考文獻】

相關期刊論文 前10條

1 隋文濤;張丹;Wilson Wang;;基于EMD和MKD的滾動軸承故障診斷方法[J];振動與沖擊;2015年09期

2 向丹;岑健;;基于EMD熵特征融合的滾動軸承故障診斷方法[J];航空動力學報;2015年05期

3 劉長良;武英杰;甄成剛;;基于變分模態(tài)分解和模糊C均值聚類的滾動軸承故障診斷[J];中國電機工程學報;2015年13期

4 徐卓飛;劉凱;;基于極值符號序列分析的EMD端點效應處理方法[J];振動.測試與診斷;2015年02期

5 向玲;鄢小安;;汽輪機轉(zhuǎn)子故障診斷中LMD法和EMD法的性能對比研究[J];動力工程學報;2014年12期

6 郭謀發(fā);徐麗蘭;繆希仁;陳立純;;采用時頻矩陣奇異值分解的配電開關振動信號特征量提取方法[J];中國電機工程學報;2014年28期

7 康守強;王玉靜;姜義成;楊廣學;宋立新;V.I.MIKULOVICH;;基于超球球心間距多類支持向量機的滾動軸承故障分類[J];中國電機工程學報;2014年14期

8 鮑永勝;;局部放電脈沖波形特征提取及分類技術[J];中國電機工程學報;2013年28期

9 張淑清;孫國秀;李亮;李新新;監(jiān)雄;;基于LMD近似熵和FCM聚類的機械故障診斷研究[J];儀器儀表學報;2013年03期

10 馮輔周;饒國強;張麗霞;司愛威;;基于EMD和排列熵的軸承異常檢測方法研究[J];軸承;2013年02期

【相似文獻】

相關期刊論文 前10條

1 楊福生,廖旺才;近似熵:一種適用于短數(shù)據(jù)的復雜性度量[J];中國醫(yī)療器械雜志;1997年05期

2 徐進;杜占芳;鄭崇勛;裴曉梅;;基于近似熵的認知能力對事件相關電位的影響研究[J];西安交通大學學報;2008年10期

3 古華光,任維,劉鋼,沈羨云,孟京瑞;近似熵及其在心率變異分析中的應用[J];航天醫(yī)學與醫(yī)學工程;2000年06期

4 袁忠;黃頻波;耿文霞;;基于近似熵譜的碳纖維復合材料層壓板拉伸損傷聲發(fā)射分析[J];宇航材料工藝;2014年04期

5 徐安,劉軍,彭旗宇,黃國建;動態(tài)近似熵快速算法在心率變異研究中的應用[J];同濟大學學報(自然科學版);2005年04期

6 韓清鵬;;人體HRV信號的檢測及其復雜性分析[J];江南大學學報(自然科學版);2007年03期

7 汪晨;和衛(wèi)星;陳曉平;;基于模糊近似熵與辛幾何的肌肉疲勞分析[J];現(xiàn)代儀器與醫(yī)療;2013年04期

8 齊子元;張英堂;徐章遂;程利軍;;基于多分辨率近似熵的發(fā)動機聲信號特征提取[J];車用發(fā)動機;2008年05期

9 朱平良;吳書有;黃偉國;孔凡讓;周勤;梁俊璞;;多分辨率能量波動-近似熵方法的設備故障診斷研究[J];現(xiàn)代制造工程;2009年12期

10 劉慧,和衛(wèi)星,陳曉平;生物時間序列的近似熵和樣本熵方法比較[J];儀器儀表學報;2004年S1期

相關會議論文 前6條

1 劉慧;和衛(wèi)星;陳曉平;;生物時間序列的近似熵和樣本熵方法比較[A];第二屆全國信息獲取與處理學術會議論文集[C];2004年

2 丁尚文;錢志余;李韙^M;陶玲;胡光霞;鄭楊;;基于低頻光誘發(fā)腦電θ波段近似熵特征研究[A];中國光學學會2011年學術大會摘要集[C];2011年

3 徐新萍;王德文;彭瑞云;李英俊;左紅艷;王少霞;李楊;王水明;孫成峰;;常壓缺氧對大鼠腦電圖近似熵的影響研究[A];第十三屆中國體視學與圖像分析學術會議論文集[C];2013年

4 徐新萍;彭瑞云;王少霞;李楊;王水明;王長振;姚斌偉;常公民;左紅艷;;近似熵在微波輻射致獼猴腦損傷檢測中的應用[A];第八屆全國生物醫(yī)學體視學學術會議、第十一屆全軍軍事病理學學術會議、第七屆全軍定量病理學學術會議論文（摘要）匯編[C];2012年

5 金紅梅;何文平;張文;馮愛霞;侯威;;噪聲對滑動移除近似熵的影響[A];第31屆中國氣象學會年會S4 極端氣候事件和災害風險管理[C];2014年

6 曹征濤;王興邦;秦明新;;利用MATLAB對HRV信號進行非線性動力學分析的初探[A];信號與信息處理技術——第一屆信號與信息處理聯(lián)合學術會議論文集[C];2002年

相關碩士學位論文 前10條

1 齊元利;基于近似熵和改進K均值的燃氣泄漏檢測[D];上海師范大學;2016年

2 肖紅國;基于復雜度研究腦電中的癲癇發(fā)作特征[D];河北工業(yè)大學;2007年

3 沈勇;基于非線性動力學的中醫(yī)聲診信息的提取與識別的研究[D];華東理工大學;2011年

4 孫衛(wèi)國;癲癇腦電的復雜度和近似熵研究[D];第一軍醫(yī)大學;2006年

5 金紅梅;近似熵對氣候突變檢測的適用性研究[D];蘭州大學;2013年

6 賀強;害羞與EEG的關系[D];電子科技大學;2003年

7 袁媛;音樂速度感知的腦電研究[D];電子科技大學;2009年

8 馬宏娟;基于互近似熵和互樣本熵的腦功能網(wǎng)絡構建及應用[D];西安電子科技大學;2014年

9 徐秋晶;基于腦電熵參數(shù)的視覺注意力分級研究[D];天津大學;2009年

10 胡江和;心電RR序列的非線性動力學分析[D];中南大學;2007年

，

本文編號：2153409