基于变分模态分解和信息熵的轴承特征提取方法研究

摘要：

针对机械振动信号强噪声、非线性的特点,将信号分解方法与信息的定量描述方法相结合,提出一种新的特征提取方法.变分模态分解(Variational Mode Decomposition,VMD)作为一种较新的信号分解方法克服了传统自适应分解方法中的模态混叠、端点效应等缺点,具有抗噪鲁棒性强、计算效率高等优点.信息熵是对信号所含信息量的定量描述,可作为区分不同类型信号的依据.该方法首先利用信号频谱图明确信号中主要频率的个数并以此作为VMD分解层数的选取依据,选择与原信号相关程度最大的VMD分解后的子信号,最后将选取的子信号进行信息熵特征提取,以获取反映该信号特点的敏感判别信息,便于设备运行状态的识别分类.该方法具有计算速度快,不存在模态混叠等优点.应用于滚动轴承故障诊断试验,结果表明:该方法能够清晰地反映出故障设备信号的特征.

关键词： 滚动轴承 故障诊断 特征提取 变分模态分解 信息熵

作者: 石坤举 刘树林 张宏利 蒋超 程寿国

作者单位: 上海大学机电工程与自动化学院,上海200072 上海大学机电工程与自动化学院,上海200072;江阴职业技术学院机电工程系,江苏江阴214405

会议类型: 国内会议

会议名称: 2016年全国设备监测诊断与维护学术会议、第十五届全国设备故障诊断学术会议、第十七届全国设备监测与诊断学术会议、2016年全国设备诊断工程会议

会议地点: 西安

会议语种:中文

页码: 334-336

在线出版日期: 2016-08-01（万方平台首次上网日期，不代表论文的发表时间）