科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对目前用于预测轴承健康度所构建的健康指标所含信息不充分的问题，提出了一种基于MOA-VMD的轴承多维健康指标的构建方法。首先，用蜉蝣优化算法对变分模态分解的参数进行优化，用优化的变分模态分解方法将轴承振动信号分解为k个本征模态分量；然后，选取与原始信号相关性最强的n个分量进行信号重构，将重构信号的最大值、平均值、峭度以及n个分量的奇异值、样本熵、能量熵构成多维特征向量，再利用t-SNE方法降至低维得到多维健康指标；最后，将健康指标输入支持向量机和长短期记忆神经网络分别提取轴承工况信息与健康度信息。试验表明，此方法构建的健康指标可以同时提取工况信息与健康度信息，且具有较好的工况识别与健康度预测效果。
-
单位河北工业大学; 河北建投能源投资股份有限公司
