机械工业论文_结合VMD符号熵与SVDD的滚动轴承

文章摘要:针对滚动轴承的早期故障难以检测的问题，提出了一种基于变模态分解（variable mode decomposition， VMD）符号熵和支持向量数据描述（support vector data description， SVDD）的滚动轴承性能退化评估模型。首先对振动信号进行VMD分解并提取各个分量符号熵，并采用双样本Z值对各个分量符号熵进行评价，选取双样本Z值最大的特征作为特征向量。特征提取完毕后，采用SVDD模型进行性能退化评估，使用全寿命数据进行模型的验证。实验结果表明，相比于排列熵特征提取方法以及模糊C均值聚类（fuzzy c-means clustering， FCM）方法，该模型可以更好显示出滚动轴承性能退化规律。

文章关键词:

论文DOI:10.13433/j.cnki.1003-8728.20200562

论文分类号:TH133.33

文章来源：《机械科学与技术》 网址: http://www.jxkxyjs.cn/qikandaodu/2021/1218/752.html