基于变分模态分解和多尺度排列熵的故障诊断

来源：计算机集成制造系统杂志2017年第12期北京时间：

作者：陈东宁,张运东,姚成玉,来博文,吕世君

单位：1.燕山大学河北省重型机械流体动力传输与控制实验室2.先进锻压成形技术与科学教育部重点实验室(燕山大学)3.燕山大学河北省工业计算机控制工程重点实验室

摘要：为稳定提取滚动轴承故障特征,提出一种基于变分模态分解和多尺度排列熵的故障特征提取方法,并采用GK模糊聚类对轴承故障进行识别分类。首先对滚动轴承振动信号进行变分模态分解,得到包含故障特征信息的模态分量;进而利用多尺度排列熵量化各模态分量的故障特征,取各模态分量多尺度排列熵的平均值作为特征向量;最后通过GK模糊聚类分析获得故障样本的标准聚类中心,采用欧式贴近度进行故障识别分类。将所提方法应用于滚动轴承实验数据,通过分类系数与平均模糊熵对分类效果进行检验,并与经验模态分解多尺度排列熵结合GK模糊聚类的方法进行对比,结果表明,所提方法具有更好的分类性能,其故障诊断精度更高。

关键词：故障诊断,滚动轴承,变分模态分解,多尺度排列熵,GK模糊聚类

基金资助：国家自然科学基金资助项目(51675460,51405426);河北省自然科学基金资助项目(E2016203306);中国博士后科学基金资助项目(2017M621101)。