文献类型：期刊文章

作　　者：李可[1] 牛园园[1] 宿磊[1] 顾杰斐[1] 卢立新[1]

LI Ke;NIU Yuan-yuan;SU Lei;GU Jie-fei;LU Li-xin(Jiangsu Key Laboratory of Advanced Food Manufacturing Equipment and Technology,School of Mechanical Engineering,Jiangnan University,Wuxi 214122,China)

机构地区：[1]江南大学机械工程学院江苏省食品先进制造装备技术重点实验室,江苏无锡214122

出　　处：《振动工程学报》

基　　金：国家自然科学基金资助项目(51775243,11902124);山东省泰山产业领军人才计划资助项目;高等学校学科创新引智计划(111计划)(B18027)。

年　　份：2023

卷　　号：36

期　　号：1

起止页码：280-287

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CSCD、CSCD2023_2024、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：由于滚动轴承早期故障信号特征微弱,变分模态分解(Variational Mode Decomposition,VMD)的性能易受模态数和惩罚因子设置的影响,提出了一种自适应优化VMD参数的方法。基于中心频率判断本征模态函数(Band Limited Intrinsic Mode Functions,BIMF)是否混叠的思想提出中心频率混叠商算法,利用最小中心频率差与次小中心频率差的比值确定模态数。利用模糊熵原理,提出求和模糊熵算法优化惩罚因子。利用相关系数筛选模态分量,重构信号提取故障信息。通过对强噪声下外圈故障信号、内圈故障信号的分析,表明该方法能自适应确定模态数和惩罚因子,抑制模态混叠,能够从强噪声下有效地提取出故障信号特征,实现滚动轴承故障诊断。

关 键 词：故障诊断 滚动轴承 变分模态分解  模糊熵 相关系数

分 类 号：TH165]