为准确提取轴承故障特征信息,提出以包络熵为综合目标函数的变分模态分解(variational mode decomposition,VMD)参数优化方法,并改进了诊断流程实现了无需指定参数优化范围的自适应参数优化算法.通过遗传算法对综合目标函数最小值进行搜索,以确定模态分量个数及惩罚参数的最佳组合.原始故障信号经最佳参数组合下的VMD方法分解为若干个本征模态函数,选择最小综合目标函数值对应的模态分量进行包络解调分析,进而通过模态分量的包络谱判断轴承故障类型.通过实测故障信号分析表明,该方法能够从噪声干扰中有效提取到早期故障信号的微弱故障特征,实现了轴承故障类型的准确判定,验证了该方法的有效性.
function ret = Mutation(pmutation, lenchrom, chrom, sizepop, pop, bound)
for i = 1:sizepop
pick = rand;
while pick == 0
pick = rand;
end
index = ceil(pick * sizepop);
pick = rand;
if pick > pmutation
continue;
end
flag = 0;
while flag == 0
pick = rand;
while pick == 0
pick = rand;
end
pos = ceil(pick * sum(lenchrom));
v = chrom(i, pos);
v1 = v - bound(pos, 1);
v2 = bound(pos, 2) - v;
pick = rand;
if pick > 0.5
delta = v2 * (1 - pick^((1 - pop(1) / pop(2))^2));
chrom(i, pos) = v + delta;
else
delta = v1 * (1 - pick^((1 - pop(1) / pop(2))^2));
chrom(i, pos) = v - delta;
end
flag = test(lenchrom, bound, chrom(i, :));
end
end
ret = chrom;
end
[1]刘嘉敏, 彭玲, 刘军委,等. 基于遗传算法的VMD参数优化与小波阈值的轴承振动信号去噪分析[C]// 第二十七届全国振动与噪声应用学术会议论文集. 2016.
[2]郑顾平, 李强, 李刚. 基于遗传算法的奇异值分解信号去噪算法[J]. 计算机应用研究, 2015, 32(8):5.
部分理论引用网络文献,若有侵权联系博主删除。