-
题名基于改进变分模态分解与流形学习的滚动轴承故障诊断
被引量：8
- 1
-
-
作者
孙康
岳敏楠
金江涛
李春
-
机构
上海理工大学能源与动力工程学院
上海市动力工程多项流动与传热重点实验室
-
出处
《热能动力工程》
CAS
CSCD
北大核心
2022年第3期176-185,共10页
-
基金
国家自然科学基金(52006148,51976131)
上海“科技创新行动计划”地方院校能力建设项目(19060502200)。
-
文摘
滚动轴承早期损伤信号特征量缺失且易被环境噪声掩盖,根据分形理论,结合灰狼优化算法(GWO)提出改进变分模态分解方法(Improved Variational Mode Decomposition,IVMD),求解各模态多种非线性特征量,并采用随机近邻嵌入理论(t-distributed Stochastic Neighbor Embedding,t-SNE)进行降维分类,以实现无监督故障诊断。基于轴承损伤实验数据,验证所提方法的可靠性。结果表明:采用IVMD所获模态与多种非线性值构建的特征矩阵更具代表性,可诊断轴承微弱故障;与现有方法相比,所提方法聚类表现更清晰,分类准确率更高,且具有良好的鲁棒性。
-
关键词
变分模态分解
灰狼算法
轴承
分形
随机近邻嵌入
故障诊断
-
Keywords
variational mode decomposition
greywolf algorithm
bearing
fractal
t-distributed stochastic neighbor embedding
fault diagnosis
-
分类号
TH133
[机械工程—机械制造及自动化]
-
