一种基于两阶段参数优化特征模式分解的故障诊断方法技术

本发明专利技术涉及故障诊断技术领域，公开了一种基于两阶段参数优化特征模式分解的故障诊断方法，第一阶段利用改进的龙卷风优化算法作为参数寻优工具，和创新设计的综合评价指标SKER作为适应度函数，获得最优滤波器长度和最优频带分割数组合，第二阶段则利用第一阶段的最优参数，进行实际的FMD分解，通过构建基于能量比、相关峭度增益和包络谐波比的多指标融合评分函数，并结合动态阈值控制分解的终止条件，实现模态数的自适应确定，避免了人工预设带来的盲目性。整个流程体现了从参数的智能化、自适应选择到信号的精细化分解，再到故障信息的准确提取的完整逻辑链条，旨在克服传统FMD方法在参数设置和抗噪声能力方面的局限性。

【技术实现步骤摘要】

本专利技术涉及故障诊断，尤其涉及一种基于两阶段参数优化特征模式分解的故障诊断方法。

技术介绍

1、滚动轴承作为现代工业设备中不可或缺的关键部件，其运行状态直接影响机械系统的整体性能，然而，由于长期承受高负荷、复杂工况及恶劣环境等因素，滚动轴承极易产生疲劳损伤和渐进性失效，可能引发设备故障甚至重大安全事故。为了防止故障演化为严重失效并保障设备的安全与可靠，实施滚动轴承的故障诊断具有重要意义。当滚动轴承发生局部故障时，振动信号具有显著的非平稳性、非线性和调制特性。

2、目前，常用于提取非平稳信号故障特征的方法大致可分为两类，t-f分析（time-frequency analysis，tfa）和信号分解。为突破非平稳信号分析的瓶颈，经验模式分解（empirical mode decomposition，emd）、本征时间尺度分解（intrinsic time-scaledecomposition ，itd）、经验小波分解（empirical wavelet transform，ewt）和vmd等信号分解技术受到广泛关注。它通过将信号自适应分解为具有明本文档来自技高网...

【技术保护点】

1.一种基于两阶段参数优化特征模式分解的故障诊断方法，其特征在于，

2.根据权利要求1所述的基于两阶段参数优化特征模式分解的故障诊断方法，其特征在于，

3.根据权利要求1所述的基于两阶段参数优化特征模式分解的故障诊断方法，其特征在于，

4.根据权利要求1所述的基于两阶段参数优化特征模式分解的故障诊断方法，其特征在于，

5.根据权利要求1所述的基于两阶段参数优化特征模式分解的故障诊断方法，其特征在于，

6.根据权利要求1所述的基于两阶段参数优化特征模式分解的故障诊断方法，其特征在于，

7.根据权利要求1所述的基于两阶段...

【技术特征摘要】

1.一种基于两阶段参数优化特征模式分解的故障诊断方法，其特征在于，

2.根据权利要求1所述的基于两阶段参数优化特征模式分解的故障诊断方法，其特征在于，

3.根据权利要求1所述的基于两阶段参数优化特征模式分解的故障诊断方法，其特征在于，

4.根据权利要求1所述的基于两阶段参数优化特征模式分解的故障诊断方法，其特征在于，

5.根据权利要求1所述的基于两阶段参数优化特征模式...

【专利技术属性】
技术研发人员：石霞飞，张贺，成洪川，傅桂龙，公睿婕，程芳，公为财，孙培亮，刘波，刘鑫，
申请(专利权)人：天津工业大学，
类型：发明
国别省市：