基于VMD-MPE-KPCA特征提取与MRVM相混合的滚动轴承故障诊断方法

	基于VMD-MPE-KPCA特征提取与MRVM相混合的滚动轴承故障诊断方法
	陈鹏 1; 赵小强 1; 朱奇先 2
刊名	兰州理工大学学报
	2020-10-15
期号	2020-05 页码:92-99
关键词	滚动轴承故障诊断 VMD MPE KPCA MRVM
英文摘要	针对滚动轴承振动信号在强噪声环境下出现非线性、非平稳、强干扰特性,进而导致故障特征难以提取及故障诊断准确率低的问题,提出变分模态分解（VMD）-多尺度排列熵（MPE）-核主元分析（KPCA）特征提取与多分类相关向量机（MRVM）相混合的滚动轴承故障诊断方法.该方法首先通过VMD-MPE进行滚动轴承振动信号的高维故障特征提取,其次对提取的故障特征进行KPCA可视化降维,最后将降维后的故障特征输入可实现不同样本概率输出的MRVM进行滚动轴承故障诊断.通过美国西储大学的滚动轴承故障数据集对该方法的有效性进行验证,结果表明提出的VMD-MPE-KPCA特征提取与MRVM相混合的滚动轴承故障诊断方法能够有效提取和识别滚动轴承故障特征,所提出的混合智能故障诊断方法与相关文献报道的故障诊断方法相比较,故障识别准确率达到了99.18%.
URL标识	查看原文
语种	中文
内容类型	期刊论文
源URL	[http://ir.lut.edu.cn/handle/2XXMBERH/103577]
专题	电气工程与信息工程学院
作者单位	1.兰州理工大学电气工程与信息工程学院; 2.大型电气传动系统与装备技术国家重点实验室
推荐引用方式 GB/T 7714	陈鹏,赵小强,朱奇先. 基于VMD-MPE-KPCA特征提取与MRVM相混合的滚动轴承故障诊断方法[J]. 兰州理工大学学报,2020(2020-05):92-99.
APA	陈鹏,赵小强,&朱奇先.(2020).基于VMD-MPE-KPCA特征提取与MRVM相混合的滚动轴承故障诊断方法.兰州理工大学学报(2020-05),92-99.
MLA	陈鹏,et al."基于VMD-MPE-KPCA特征提取与MRVM相混合的滚动轴承故障诊断方法".兰州理工大学学报 .2020-05(2020):92-99.