基于变分模态分解近似熵和支持向量机的轴承故障诊断方法

发布时间：2018-07-29 17:14

【摘要】：针对滚动轴承振动信号的非平稳特征,以及现实中难以获得大量典型故障样本的情况,提出了一种基于变分模态分解的近似熵和支持向量机的故障诊断方法。首先,通过VMD将原始振动信号分解为若干个频率尺度的本征模态分量;然后,计算各个IMF分量的近似熵并组成特征向量;最后,将上述特征向量输入支持向量机进行训练,并判断轴承的工作状态和故障类型。分析结果表明:与EMD及LMD相比,VMD近似熵与支持向量机相结合后,诊断精度得到了较大的提高,更适用于轴承故障的自动化诊断。
[Abstract]:Aiming at the non-stationary feature of rolling bearing vibration signal and the fact that it is difficult to obtain a large number of typical fault samples in reality, a fault diagnosis method based on approximate entropy and support vector machine (SVM) based on variational mode decomposition (VMD) is proposed. First, the original vibration signal is decomposed into eigenmode components of several frequency scales by VMD. Then, the approximate entropy of each IMF component is calculated and the eigenvector is formed. Finally, the above eigenvector is input into the support vector machine for training. And judge the bearing working state and fault type. The results show that compared with EMD and LMD, the accuracy of diagnosis is greatly improved, which is more suitable for the automatic diagnosis of bearing faults.
【作者单位】： 火箭军工程大学;
【基金】：国家自然科学基金项目(51405498) 陕西省自然科学基金项目(2013JQ8023) 中国博士后基金项目(2015M582642)
【分类号】：TH133.33

【参考文献】

相关期刊论文 前4条

1 岳应娟;孙钢;蔡艳平;刘长江;张世雄;;变分模态分解在轴承故障诊断中的应用[J];轴承;2016年08期

2 刘长良;武英杰;甄成刚;;基于变分模态分解和模糊C均值聚类的滚动轴承故障诊断[J];中国电机工程学报;2015年13期

3 张淑清;孙国秀;李亮;李新新;监雄;;基于LMD近似熵和FCM聚类的机械故障诊断研究[J];仪器仪表学报;2013年03期

4 蔡艳平;李艾华;石林锁;白向峰;沈金伟;;基于EMD与谱峭度的滚动轴承故障检测改进包络谱分析[J];振动与冲击;2011年02期

相关硕士学位论文 前1条

1 魏于凡;支持向量机在智能故障诊断中的应用研究[D];华北电力大学（北京）;2007年

【共引文献】

相关期刊论文 前10条

1 吴广河;丁建明;林建辉;赵秋园;;轴承故障检测的EEMD-RA-KU方法研究[J];机械强度;2016年06期

2 岳应娟;孙钢;蔡艳平;;基于变分模态分解近似熵和支持向量机的轴承故障诊断方法[J];轴承;2016年12期

3 马新娜;杨绍普;;基于三维谱峭图算法的共振解调技术研究及应用[J];中国机械工程;2016年22期

4 徐波;韩学山;李业勇;张玉敏;李明;黄海丽;;电力设备机会维修决策模型[J];中国电机工程学报;2016年23期

5 钟毅;;一种基于相关系数的模糊C-均值聚类算法[J];软件产业与工程;2016年06期

6 湛维明;石岩;王佳;;基于双树复小波包变换和1.5维谱的轴承故障诊断方法[J];河南理工大学学报(自然科学版);2016年06期

7 陈重阳;熊邦书;黄建萍;莫燕;李新民;;基于LMD和ICA的滚动轴承故障诊断[J];机械强度;2016年05期

8 陈虹屹;王小敏;郭进;杨扬;;基于EEMD奇异熵的高速道岔裂纹伤损检测[J];振动.测试与诊断;2016年05期

9 贾亚飞;朱永利;王刘旺;李莉;;基于VMD和多尺度熵的变压器内绝缘局部放电信号特征提取及分类[J];电工技术学报;2016年19期

10 姜建国;刘盈萱;;基于CEEMD和谱峭度的轴承故障诊断[J];化工自动化及仪表;2016年10期

相关硕士学位论文 前10条

1 张宁波;基于信息融合的电子产品故障诊断[D];中北大学;2015年

2 原平;基于EMD近似熵和LS-SVM的齿轮箱故障诊断研究[D];中北大学;2013年

3 蔡一杰;柴油机气阀漏气故障振动诊断方法研究[D];武汉理工大学;2013年

4 赵振书;基于相似性原理的发电机故障预警系统[D];华北电力大学;2013年

5 马玉峰;风电机组齿轮箱故障趋势预测方法研究[D];华北电力大学;2013年

6 邴汉昆;基于小波分析和SVM的汽轮机非线性振动故障诊断研究[D];华北电力大学;2013年

7 周小军;基于AMESim液压系统泄漏仿真与故障诊断研究[D];国防科学技术大学;2012年

8 刘晓娟;基于希尔伯特—黄变换和支持向量机的齿轮箱故障诊断研究[D];中北大学;2011年

9 吴正苗;基于信息融合和极限学习机的模拟电路故障诊断[D];湖南大学;2011年

10 吴希曦;高档数控机床关键部件故障智能诊断技术研究[D];西南交通大学;2011年

【二级参考文献】

相关期刊论文 前10条

1 隋文涛;张丹;Wilson Wang;;基于EMD和MKD的滚动轴承故障诊断方法[J];振动与冲击;2015年09期

2 向丹;岑健;;基于EMD熵特征融合的滚动轴承故障诊断方法[J];航空动力学报;2015年05期

3 刘长良;武英杰;甄成刚;;基于变分模态分解和模糊C均值聚类的滚动轴承故障诊断[J];中国电机工程学报;2015年13期

4 徐卓飞;刘凯;;基于极值符号序列分析的EMD端点效应处理方法[J];振动.测试与诊断;2015年02期

5 向玲;鄢小安;;汽轮机转子故障诊断中LMD法和EMD法的性能对比研究[J];动力工程学报;2014年12期

6 郭谋发;徐丽兰;缪希仁;陈立纯;;采用时频矩阵奇异值分解的配电开关振动信号特征量提取方法[J];中国电机工程学报;2014年28期

7 康守强;王玉静;姜义成;杨广学;宋立新;V.I.MIKULOVICH;;基于超球球心间距多类支持向量机的滚动轴承故障分类[J];中国电机工程学报;2014年14期

8 鲍永胜;;局部放电脉冲波形特征提取及分类技术[J];中国电机工程学报;2013年28期

9 张淑清;孙国秀;李亮;李新新;监雄;;基于LMD近似熵和FCM聚类的机械故障诊断研究[J];仪器仪表学报;2013年03期

10 冯辅周;饶国强;张丽霞;司爱威;;基于EMD和排列熵的轴承异常检测方法研究[J];轴承;2013年02期

【相似文献】

相关期刊论文 前10条

1 杨福生,廖旺才;近似熵:一种适用于短数据的复杂性度量[J];中国医疗器械杂志;1997年05期

2 徐进;杜占芳;郑崇勋;裴晓梅;;基于近似熵的认知能力对事件相关电位的影响研究[J];西安交通大学学报;2008年10期

3 古华光,任维,刘钢,沈羡云,孟京瑞;近似熵及其在心率变异分析中的应用[J];航天医学与医学工程;2000年06期

4 袁忠;黄频波;耿文霞;;基于近似熵谱的碳纤维复合材料层压板拉伸损伤声发射分析[J];宇航材料工艺;2014年04期

5 徐安,刘军,彭旗宇,黄国建;动态近似熵快速算法在心率变异研究中的应用[J];同济大学学报(自然科学版);2005年04期

6 韩清鹏;;人体HRV信号的检测及其复杂性分析[J];江南大学学报(自然科学版);2007年03期

7 汪晨;和卫星;陈晓平;;基于模糊近似熵与辛几何的肌肉疲劳分析[J];现代仪器与医疗;2013年04期

8 齐子元;张英堂;徐章遂;程利军;;基于多分辨率近似熵的发动机声信号特征提取[J];车用发动机;2008年05期

9 朱平良;吴书有;黄伟国;孔凡让;周勤;梁俊璞;;多分辨率能量波动-近似熵方法的设备故障诊断研究[J];现代制造工程;2009年12期

10 刘慧,和卫星,陈晓平;生物时间序列的近似熵和样本熵方法比较[J];仪器仪表学报;2004年S1期

相关会议论文 前6条

1 刘慧;和卫星;陈晓平;;生物时间序列的近似熵和样本熵方法比较[A];第二届全国信息获取与处理学术会议论文集[C];2004年

2 丁尚文;钱志余;李韪^M;陶玲;胡光霞;郑杨;;基于低频光诱发脑电θ波段近似熵特征研究[A];中国光学学会2011年学术大会摘要集[C];2011年

3 徐新萍;王德文;彭瑞云;李英俊;左红艳;王少霞;李杨;王水明;孙成峰;;常压缺氧对大鼠脑电图近似熵的影响研究[A];第十三届中国体视学与图像分析学术会议论文集[C];2013年

4 徐新萍;彭瑞云;王少霞;李杨;王水明;王长振;姚斌伟;常公民;左红艳;;近似熵在微波辐射致猕猴脑损伤检测中的应用[A];第八届全国生物医学体视学学术会议、第十一届全军军事病理学学术会议、第七届全军定量病理学学术会议论文（摘要）汇编[C];2012年

5 金红梅;何文平;张文;冯爱霞;侯威;;噪声对滑动移除近似熵的影响[A];第31届中国气象学会年会S4 极端气候事件和灾害风险管理[C];2014年

6 曹征涛;王兴邦;秦明新;;利用MATLAB对HRV信号进行非线性动力学分析的初探[A];信号与信息处理技术——第一届信号与信息处理联合学术会议论文集[C];2002年

相关硕士学位论文 前10条

1 齐元利;基于近似熵和改进K均值的燃气泄漏检测[D];上海师范大学;2016年

2 肖红国;基于复杂度研究脑电中的癫痫发作特征[D];河北工业大学;2007年

3 沈勇;基于非线性动力学的中医声诊信息的提取与识别的研究[D];华东理工大学;2011年

4 孙卫国;癫痫脑电的复杂度和近似熵研究[D];第一军医大学;2006年

5 金红梅;近似熵对气候突变检测的适用性研究[D];兰州大学;2013年

6 贺强;害羞与EEG的关系[D];电子科技大学;2003年

7 袁媛;音乐速度感知的脑电研究[D];电子科技大学;2009年

8 马宏娟;基于互近似熵和互样本熵的脑功能网络构建及应用[D];西安电子科技大学;2014年

9 徐秋晶;基于脑电熵参数的视觉注意力分级研究[D];天津大学;2009年

10 胡江和;心电RR序列的非线性动力学分析[D];中南大学;2007年

，

本文编号：2153409