科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对滚动轴承信号重构误差大，信号来源复杂等问题，提出了变分模态分解(VMD)算法与VGG神经网络相结合的滚动轴承故障诊断方法。首先，为避免VMD在工程应用中人为参数设置不合理导致的模态混叠等现象，提出应用中心频率计算分离系数，选取最佳模态个数的策略；然后，对VMD分解后各模态分量的能量熵与频率峰值等进行数值分析，剔除能量熵较小的信号，并将各模态信号依据频率峰值进行重构，得到故障特征向量；最后，构建VGG故障诊断模型，实现滚动轴承的故障分类。轴承振动信号与电动机定子电流信号对所提方法的验证结果表明，VMD-VGG方法可以有效分解这2种故障信号，而且具有较高的故障识别精度。
- 单位
