为解决电机在变负载运行条件下滚动轴承振动信号故障的特征提取困难、故障诊断准确率低的问题,提出一种基于变步长粒子群的变分模态分解与贝叶斯网络相结合的滚动轴承故障诊断模型。通过变步长粒子群算法优化的变分模态分解与Hilbert变换,提取故障信息并离散化处理,构建贝叶斯网络故障诊断模型,对滚动轴承故障发生概率推理,并利用完备、不完备数据集以及噪声试验验证该方法的准确性。仿真结果表明,该方法能高效提取特征信息,实现对不确定信息的推理估计,提高滚动轴承故障诊断的准确率,在滚动轴承的故障诊断预测中具有较好的理论与应用前景。
1
EEMD是分解信号或数据的技术,能够自动将信号按照频率大小分解
2021-10-29 11:05:29 2KB EEMD
1
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.
1
vmd分解matlab实现,变分模态分解,信号分解,可应用于各种信号的分解,以及入门学习的辅助材料,这是vmd方法提出者的原版代码
2021-10-11 16:02:52 4KB VMD matlab 变分模态分解 信号的分解
变分模态分解方法能够使一个多频带的故障信号,分解出具有单个频带的子信号,然后使用共振解调方法可实现故障信号的诊断。
2021-09-28 18:00:42 2KB 共振解调 故障诊断 分解 信号分解
经典算法——变分模态分解,Variational Mode Decomposition,可用于故障诊断和语音处理,能够自适应地经信号分解为一系列的子信号。
2021-07-21 12:18:06 3KB 信号处理 故障诊断 噪声消除
1
vmd分解matlab实现,变分模态分解,信号分解,可应用于各种信号的分解,以及入门学习的辅助材料,这是vmd方法提出者的原版代码
2021-06-15 10:10:05 4KB VMD
1
变分模态分解算法虽然克服了传统经验模态分解及其改进方法的缺点,但分解前需要设定分解层数K和惩罚因子α ,参数的选择对分解结果的影响很大。本程序利用K-L散度(相对熵)对VMD的参数进行寻优,确定VMD分解信号的K值和惩罚因子alpha。
2021-06-03 13:01:32 1KB 信号处理 VMD分解 相对熵
为了更加准确地提取扰动信号特征,提出了基于变分模态分解(VMD)的电能质量扰动检测新方法。该方法由VMD和希尔伯特变换(HT)2个部分组成。首先,对扰动信号进行傅里叶变换以确定VMD的预设分解尺度;然后,利用VMD将扰动信号分解为系列调幅-调频函数之和;最后,对每个调幅-调频函数进行HT,求取瞬时幅值和瞬时频率,进而确定扰动信号特征。较之希尔伯特-黄变换和局部均值分解方法,VMD方法不仅可分析不同时间支集的扰动信号,处理复合扰动和频率相近的奇数次谐波,也不存在模态混叠,获取的瞬时幅值和瞬时频率更加准确。仿真信号和变电站电容器组投入时的电压信号分析结果证明了所提方法的可行性和有效性。
1
变分模态分解(Variational Mode Decomposition,VMD)是由 Dragomiretskiy 等人提出的一种自适应信号处理方法,通过迭代搜寻变分模态 的最优解,不断更新各模态函数及中心频率,得到若干具有一定宽带的模态函数。
2021-05-11 18:18:13 143KB 变分模态分解 VMD 算法
1