本文主要研究内容
作者周旺平,王蓉,许沈榕(2019)在《ABC-VMD和包络谱分析在齿轮故障诊断中的应用》一文中研究指出:针对齿轮箱故障的非线性、非稳定性特点,提出了一种参数优化变分模态分解(Variational mode decomposition,简称VMD)提取特征频率的方法。首先,利用人工蜂群算法(Artificial bee colony algorithm,简称ABC)对VMD分解的层数和惩罚因子进行自适应选择;其次,根据互信息法在VMD分解后得到的有限个本征模态函数(Intrinsic mode function,简称IMF)中选择最佳模态函数;最后,对该模态函数进行包络谱分析,有效提取齿轮故障特征频率。仿真与实验结果表明,与经验模态分解(Empirical mode decomposition,简称EMD)以及基于粒子群优化算法(Particle swarm optimization,简称PSO)的变分模态分解方法相比较,ABC-VMD方法自适应性强,可以有效克服模态混叠、信号丢失及过度分解问题,能够准确诊断齿轮箱故障,同时避免PSO-VMD易陷入局部最优的缺点。
Abstract
zhen dui chi lun xiang gu zhang de fei xian xing 、fei wen ding xing te dian ,di chu le yi chong can shu you hua bian fen mo tai fen jie (Variational mode decomposition,jian chen VMD)di qu te zheng pin lv de fang fa 。shou xian ,li yong ren gong feng qun suan fa (Artificial bee colony algorithm,jian chen ABC)dui VMDfen jie de ceng shu he cheng fa yin zi jin hang zi kuo ying shua ze ;ji ci ,gen ju hu xin xi fa zai VMDfen jie hou de dao de you xian ge ben zheng mo tai han shu (Intrinsic mode function,jian chen IMF)zhong shua ze zui jia mo tai han shu ;zui hou ,dui gai mo tai han shu jin hang bao lao pu fen xi ,you xiao di qu chi lun gu zhang te zheng pin lv 。fang zhen yu shi yan jie guo biao ming ,yu jing yan mo tai fen jie (Empirical mode decomposition,jian chen EMD)yi ji ji yu li zi qun you hua suan fa (Particle swarm optimization,jian chen PSO)de bian fen mo tai fen jie fang fa xiang bi jiao ,ABC-VMDfang fa zi kuo ying xing jiang ,ke yi you xiao ke fu mo tai hun die 、xin hao diu shi ji guo du fen jie wen ti ,neng gou zhun que zhen duan chi lun xiang gu zhang ,tong shi bi mian PSO-VMDyi xian ru ju bu zui you de que dian 。
论文参考文献
论文详细介绍
论文作者分别是来自机械传动的周旺平,王蓉,许沈榕,发表于刊物机械传动2019年04期论文,是一篇关于变分模态分解论文,人工蜂群算法论文,包络谱分析论文,齿轮箱故障诊断论文,机械传动2019年04期论文的文章。本文可供学术参考使用,各位学者可以免费参考阅读下载,文章观点不代表本站观点,资料来自机械传动2019年04期论文网站,若本站收录的文献无意侵犯了您的著作版权,请联系我们删除。
标签:变分模态分解论文; 人工蜂群算法论文; 包络谱分析论文; 齿轮箱故障诊断论文; 机械传动2019年04期论文;