姜薇,季瑞青,王青庆,顾磊.基于VMD精细复合多尺度散布熵和SABO-SVM的滚动轴承故障诊断[J].电工技术,2025(3):159-163
基于VMD精细复合多尺度散布熵和SABO-SVM的滚动轴承故障诊断
  
DOI：10.19768/j.cnki.dgjs.2025.03.039
中文关键词:  变分模态分解  精细复合多尺度散布熵  减法平均优化算法  支持向量机
英文关键词:
基金项目:
作者单位
姜薇 上海上电漕泾发电有限公司 
季瑞青 上海上电漕泾发电有限公司 
王青庆 上海上电漕泾发电有限公司 
顾磊 上海上电漕泾发电有限公司 
摘要点击次数: 46
全文下载次数: 0
中文摘要:
      为解决电机轴承故障特征提取困难以及故障诊断率低的问题，提出了一种变分模态分解(VMD)联合精细复合多尺度散布熵的电机轴承故障特征提取方法。首先，将电机电流信号的总谐波畸变率和电机振动信号一同进行VMD多层分解；之后，依据局部最小包络熵准则遴选最优IMF分量，并求取其5个尺度下的精细复合多尺度散布熵，从而构成特征向量矩阵；最后，将减法平均优化算法输入优化支持向量机中。实验表明，该方法对多种轴承故障的诊断准确率达94.3%，与PSO-SVM、SSA-SVM方法相比更具优越性。
英文摘要:
      
查看全文  查看/发表评论  下载PDF阅读器