论文摘要
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。
论文目录
文章来源
类型: 期刊论文
作者: 张淑清,陈荣飞,张立国,姚家琛,穆勇,刘勇,黄毅臣
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
来源: 计量学报 2019年05期
年度: 2019
分类: 工程科技Ⅱ辑,信息科技
专业: 机械工业,电信技术,自动化技术
单位: 燕山大学电气工程学院,国网冀北电力有限公司唐山供电公司,国网冀北电力有限公司经济技术研究院
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)
分类号: TP18;TN911.6;TH133.33
页码: 848-854
总页数: 7
文件大小: 1776K
下载量: 160