The invention relates to a variable parameter information fusion method for variational mode decomposition, which includes: taking the number of decomposition modes K=1, setting the bandwidth balance parameter a, VMD processing of the analysis signal, obtaining an IMF component, subtracting the original signal from the IMF component, and obtaining the residual component; and taking the residual component as the analysis signal. Repeat the above steps n times to get n IMF components and n residual components; select the component containing the most fault information from the above two components according to the given optimization index method, i.e. the fault mode component; change the value of the alpha, repeat the above steps N times to obtain N fault mode components with different bandwidth. The variable parameter information fusion method of the variational mode decomposition described above uses manifold learning to fuse the multi-dimensional fault mode components processed by VMD under variable parameters to obtain fault transient components with high signal-to-noise ratio.
【技术实现步骤摘要】
变分模态分解的变参信息融合方法
本专利技术涉及旋转机械故障诊断,特别是涉及变分模态分解的变参信息融合方法。
技术介绍
旋转机械设备正朝着大型化、精密化和自动化的方向发展,这就对整个设备系统中各个部件的制造、安装和日常保养维护提出了更加严格的要求,任意部件的一个细微的损伤或者震荡错位,都有可能影响到整个系统的正常工作,甚至引起重大事故。滚动轴承在旋转机械设备中承担着关键的角色,其健康状态会影响整个机械系统的工作状态,因此对滚动轴承的监测和诊断具有重要的意义。当轴承部件出现故障时,会产生周期性的瞬态冲击响应,不同位置的故障会表现出不同的故障特征周期,如何有效提取信号中的瞬态冲击响应成分从而得出故障特征周期,是轴承故障诊断的关键问题。但是,由于工作环境的复杂性,从机械设备现场采集的振动信号往往具有非线性和非平稳性的特征,大量的窄带脉冲干扰以及环境噪声会淹没故障特征信号,严重影响了故障特征信号的识别。变分模态分解(VMD)方法是一种针对多分量非平稳信号进行准正交分解的方法,其实质是以经典维纳滤波、希尔伯特变换和频率混合这三个概念为基础的变分问题求解方法。在确定了分解模态个数K和带宽平衡参数α的情况下,该方法采用频域迭代方法搜寻变分模型的最优解来确定每个调幅调频分量的中心频率和带宽,并且通过对频域的剖分将原始信号分解为K个有限带宽的本征模态函数(IMF)。通过VMD方法得到的各个IMF包含了原信号的不同频带的局部特征信息,包括与故障相关的瞬态周期成分,因此可以应用于故障冲击特征的提取与识别。与经验模态分解(EMD)相比,VMD具有严格的数学模型和坚实的理论基础,并且 ...
【技术保护点】
1.一种变分模态分解的变参信息融合方法,其特征在于,包括:取分解模态个数K=1,设定所述带宽平衡参数α,对分析信号进行VMD处理,得到一个IMF分量,将原始信号减去这个IMF分量,得到剩余分量;将所述剩余分量作为所述分析信号,重复上述步骤n次,得到n个IMF分量和n个剩余分量;根据给定优化指标方法从上述2n个分量中选出包含最多故障信息的分量,即故障模态分量;改变所述α的值,重复上述步骤N次,获得N个具有不同带宽的故障模态分量;按照给定流形学习方法对所述N个故障模态分量进行融合,得到多维故障模态分量的内在流形结构,即故障瞬态成分。
【技术特征摘要】
1.一种变分模态分解的变参信息融合方法,其特征在于,包括:取分解模态个数K=1,设定所述带宽平衡参数α,对分析信号进行VMD处理,得到一个IMF分量,将原始信号减去这个IMF分量,得到剩余分量;将所述剩余分量作为所述分析信号,重复上述步骤n次,得到n个IMF分量和n个剩余分量;根据给定优化指标方法从上述2n个分量中选出包含最多故障信息的分量,即故障模态分量;改变所述α的值,重复上述步骤N次,获得N个具有不同带宽的故障模态分量;按照给定流形学习方法对所述N个故障模态分量进行融合,得到多维故障模态分量的内在流形结构,即故障瞬态成分。2.根据权利要求1所述的变分模态分解的变参信息融合方法,其特征在于,“取分解模态个数K=1,设定带宽平衡参数α,对分析信号进行VMD处理,得到一个IMF分量,将原始信号减去这个IMF分量,得到剩余分量;”,所述带宽平衡参数α的取值范围为100到5000。3.根据权利要求1所述的变分模态分解的变参信息融合方法,其特征在于,“根据给定优化指标方法从上述2n个分量中选出包含最多故障信息的分量,即故障模态分量;”中,所述给定...
【专利技术属性】
技术研发人员:王俊,江涛,杜贵府,朱忠奎,沈长青,
申请(专利权)人:苏州大学,
类型:发明
国别省市:江苏,32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。