基于VMD-MFE-PNN的电机轴承故障诊断方法

作     者：吕宗宝 牛豪康 谢子殿 LYU Zongbao;NIU Haokang;XIE Zidian

作者机构：哈尔滨天源石化工程设计有限公司哈尔滨150022 黑龙江科技大学电气与控制工程学院哈尔滨150022 

基　　金：省重点研发计划指导类项目(项目编号:GZ20220122) 黑龙江省省属高等学校基本科研业务费项目(项目编号:2021-KYYWF-1480) 2023年黑龙江省省属高等学校基本科研业务费项目,基于机器视觉和深度学习的主煤流运输系统智能控制系统研究(项目编号:702-0000100546) 

出 版 物：《黑龙江电力》 (Heilongjiang Electric Power)

年 卷 期：2023年第45卷第5期

页      码：387-392页

摘      要：为提高电机轴承故障识别的准确性,提出一种基于变分模态分解(variational mode decomposition,VMD)、多尺度模糊熵(multi-scale fuzzy entropy,MFE)和概率神经网络(probabilistic neural network,PNN)相结合的滚动轴承故障诊断方法。通过优化后的遗传算法对VMD的2个重要参数进行寻优;然后利用VMD对各类轴承振动信号进行分解,根据峭度-相关准则选取包含较多故障特性的最优模态分量;计算该分量的多尺度模糊熵,并选取一定尺度的模糊熵值作为特征向量,输入到PNN中进行故障识别。经过实验验证,相较于VMD-PE-PNN、VMD-FE-PNN、VMD-MPE-PNN方法,基于VMD-MFE-PNN的电机轴承诊断方法更能准确地识别滚动轴承的故障类型。

主 题 词：电机轴承 遗传算法 变分模态分解 峭度-相关准则 多尺度模糊熵 概率神经网络 故障诊断 

学科分类：080801[080801] 0808[工学-自动化类] 08[工学] 

D　O　I：10.13625/j.cnki.hljep.2023.05.003

馆 藏 号：203125031...