来源：期刊VIP网 时间：
作者：贺志军;李军霞;刘少伟;秦志祥;
单位：太原理工大学机械与运载工程学院;山西省矿山流体控制工程技术研究中心;矿山流体控制国家地方联合工程实验室;
摘要：针对托辊轴承工作环境复杂、提取故障特征困难等问题,提出一种基于互补集合经验模态分解(Complementary ensemble empirical mode decomposition, CEEMD)和变分模态分解(Variational modal decomposition, VMD)相结合的降噪方法。首先,利用CEEMD将采集到的信号进行分解,依据相关系数和峭度筛选分量并进行重构,生成新的信号;然后,利用VMD将新的信号进行再分解,并基于包络熵和包络谱峭度组合的复合指标优选本征模态分量(Intrinsic mode functions, IMF);最后,提取相应的特征输入樽海鞘群优化支持向量机(Salp swarm optimization support vector machine, SSO-SVM)模型完成故障诊断。实验结果表明:对于正常轴承、轴承内圈故障、轴承外圈故障三种情况,诊断准确率达97.78%。与单一降噪方法相比,该方法可以有效提高故障信号的信噪比,降噪效果明显。
关键词：变分模态分解;;托辊轴承;;樽海鞘群算法;;支持向量机;;故障诊断
基金资助：国家自然基金面上项目(52174147);; 中央引导地方科技发展资金项目(YDZJSX2021A023);; 晋中市科技重点研发项目(Y211017)
