控制与决策

作者：黄大荣,柯兰艳,林梦婷,孙国玺

单位：重庆交通大学信息科学与工程学院，重庆400074,,重庆交通大学信息科学与工程学院，重庆400074,,重庆交通大学信息科学与工程学院，重庆400074,,广东石油化工学院广东石油化工装备故障诊断重点实验室，广东茂名525000,

关键词：轴承故障;变分模态分解算法;多尺度熵算法;线性判别分析算法;支持向量机故障特征识别

基金：国家自然科学基金项目(61663008,61573076,61473094,61304104,61004118)；教育部留学归国人员科研启动基金项目(2015-49)；重庆市高等学校优秀人才支持计划项目(2014-18)；广东省石化装备故障诊断重点实验室开放式基金项目(GDUPKLAB201501/GDUPKLAB201604)；广东省普通高校特色创新项目(201463104)；重庆市教委科学技术研究项目(KJ1705139/KJZD-K201800701).

现有基于变分模态分解算法(VMD)的轴承故障诊断方法,由于其参数K需要依据先验知识预先设定,缺乏对K值最优设定的理论支撑,难以保证故障特征提取及故障诊断的精确性.针对上述问题,提出一种基于参数估计优化的VMD与多尺度熵(MSE)的石化装备轴承特征提取及诊断新方法.首先,针对VMD分解参数K的难以实现最优设定问题,利用局部均值分解(LMD)自适应分解分量的频率分布特征,构建一种实现K值有效估计的方法;其次,在VMD分解的基础上,提出一种MSE和线性判别分析(LDA)协同特征提取方法,完成特征模型构建;然后,针对轴承故障特征样本过少,利用支持向量机(SVM)对提取故障特征进行识别;最后,利用石化装备实验室仿真平台的轴承故障数据进行实验,验证算法的有效性和工程实用性.对比分析表明,所提出的算法可以很好地提取故障特征且故障识别精度较高,具有较好工程操作性和扩展性.

来源：2020年第7期

《控制与决策》期刊编辑部

查看控制与决策杂志2020年第7期