基于CHHO-VMD的滚动轴承早期故障特征提取方法技术

本发明专利技术公开了基于CHHO‑VMD的滚动轴承早期故障特征提取方法，包括以下步骤：获取轴承原始振动信号；识别原始振动信号中的早期故障信号；应用CHHO算法自适应的优化VMD参数，产生最佳参数组合[K,α]；利用参数优化的VMD对故障信号进行分解，提取其IMF分量；基于峭度和相关系数选择IMF分量重构故障信号；应用包络解调提取滚动轴承的故障特征频率。本发明专利技术的有益效果是：引入CHHO算法自适应地确定VMD的最优参数组合，避免了由于手动参数选择和不正确设置引起的模态分量损失和模态混叠问题，通过将CHHO和VMD结合，有效提取滚动轴承早期故障信号的故障特征频率，故障检测的准确性和及时性高。

【技术实现步骤摘要】

本专利技术涉及轴承故障检测技术，特别是基于chho-vmd的滚动轴承早期故障特征提取方法。

技术介绍

1、滚动轴承作为大型工业旋转机械的基础部件，对于提高机械系统的效率至关重要，他的状况直接影响设备的稳定运行。变分模态分解vmd建立在严格数学模型上，并且表现出和强的噪声鲁棒性，能够有效提取信号分量，被广泛用于滚动轴承故障特征提取。然而，vmd对参数选择敏感，尤其是模态数量k和惩罚因子α，选择不当会导致过度分解或分解不足。因此，国内外很多学者都引入智能优化算法来自适应的搜索k和α的最优值，如甲虫触角搜索(bas)算法遗传变异粒子群优化变分模式分解(gm-pso)算法等。

2、虽然传统的智能优化算法能够有效地优化vmd参数，但仍面临诸如计算时间长、早期故障特征微弱难以提取等问题。因此，急需一种能够自适应优化vmd参数，对滚动轴承早期故障微弱特征进行快速、有效提取的技术，以提高故障检测的准确性和及时性。

技术实现思路

1、本专利技术的目的在于提供基于chho-vmd的滚动轴承早期故障特征提取方法，具有故本文档来自技高网...

【技术保护点】

1.基于CHHO-VMD的滚动轴承早期故障特征提取方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的基于CHHO-VMD的滚动轴承早期故障特征提取方法，其特征在于：所述S3步骤中，CHHO算法引入混沌映射为初始能量产生混沌值，引入指数递减因子动态调整算法参数，引入高斯变异增加种群多样性。

3.根据权利要求2所述的基于CHHO-VMD的滚动轴承早期故障特征提取方法，其特征在于：所述混沌映射如下：

4.根据权利要求3所述的基于CHHO-VMD的滚动轴承早期故障特征提取方法，其特征在于：所述引入混沌映射为初始能量产生混沌值中，初始能量的更新公式如下：...

【技术特征摘要】

1.基于chho-vmd的滚动轴承早期故障特征提取方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的基于chho-vmd的滚动轴承早期故障特征提取方法，其特征在于：所述s3步骤中，chho算法引入混沌映射为初始能量产生混沌值，引入指数递减因子动态调整算法参数，引入高斯变异增加种群多样性。

3.根据权利要求2所述的基于chho-vmd的滚动轴承早期故障特征提取方法，其特征在于：所述混沌映射如下：

4.根据权利要求3所述的基于chho-vmd的滚动轴承早期故障特征提取方法，其特征在于：所述引入混沌映射为初始能量产生混沌值中，初始能量的更新公式如下：

5.根据权利要求2所述的基于chho-vmd的滚动轴承早期故障特征提...

【专利技术属性】
技术研发人员：黄刚劲，杨帅，倪俊杰，王权，刘倍岐，付尧明，付为刚，魏武国，张俊杰，杨雨轩，
申请(专利权)人：中国民用航空飞行学院，
类型：发明
国别省市：