基于VMD多尺度熵与BP神经网络的液压设备故障诊断

作者：徐启胜; 江水; 李军; 李岩

来源：锻压装备与制造技术, 2022, 57(01): 84-89.

DOI：10.16316/j.issn.1672-0121.2022.01.023

• 液压设备
• 变分模态分解
• 多尺度模糊熵
• BP神经网络
• 故障诊断

针对液压设备振动信号的非线性与非平稳性特征，提出一种VMD多尺度熵与BP神经网络的液压设备故障诊断方法。首先通过变分模态分解（Variational mode decomposition,VMD）对故障振动信号进行分解；根据得到固有模态函数分量(Intrinsic Mode Functions,IMF)求取相应的多尺度糊熵；在此基础上以VMD多尺度熵构建的故障特征矩阵输入到BP神经网络中进行训练和故障分类。实验结果表明该方法能够实现对液压设备关键故障诊断，准确率达到了97.66%。