基于VMD-样本熵和SSAE的齿轮故障诊断

作者：徐飞; 蒋占四; 黄惠中

来源：组合机床与自动化加工技术, 2020, (08): 39-47.

DOI：10.13462/j.cnki.mmtamt.2020.08.010

• 变分模态分解
• 样本熵
• 堆叠稀疏自编码
• 齿轮故障

针对旋转机械中齿轮故障非线性、非平稳并伴有一定的噪声干扰的特点,文章提出一种基于变分模态分解(Variational mode decomposition, VMD)和堆叠稀疏自编码(Stack sparse auto encoder, SSAE)的齿轮故障诊断方法。将原始齿轮振动信号由一维转化为二维信号,对二维信号每一行进行VMD分解得到若干有限带宽的内禀模态分量(Bandwidth limited intrinsic mode function, BLIMF),比较各模态分量的样本熵,选择样本熵最大的模态分量构成特征向量。将特征向量作为SSAE的输入进行模式识别,最终实现齿轮故障的分类。通过实例验证及对比实验,结果表明该方法具有较高的分类精度和诊断效率。

• 单位
  机电工程学院; 桂林电子科技大学