文献

J-GLOBAL ID：202102211031260275   整理番号：21A1091773

パラメータ最適化変分モード分解に基づく転がり軸受の初期故障診断【JST・京大機械翻訳】

Incipient fault diagnosis of rolling bearing based on VMD with parameters optimized

著者 (4件)： Wang Hengdi (河南科技大学机電工程学院,河南洛陽471000) ,  Deng Sier (河南科技大学机電工程学院,河南洛陽471000) ,  Yang Jianxi (河南科技大学机電工程学院,河南洛陽471000) ,  Liao Hui (西北工業大学机電学院,西安710072)
資料名： Zhendong yu Chongji  (Zhendong yu Chongji)
巻： 39  号： 23  ページ： 38-46  発行年： 2020年 
JST資料番号： C2157A  ISSN： 1000-3835  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 転がり軸受の早期故障特徴が原始振動信号から抽出しにくいという問題に対して、パラメータ最適化に基づく変分モード分解(VariationalModeDecomposition,VMD)の軸受早期故障診断方法を提案した。VMDアルゴリズムの最適パラメータ組合せを,天井探索アルゴリズム(BAS)によって最適化した。VMD分解後の各固有モード関数(IMF)の尖度値の逆数を適応度関数として探索した。検索の終わりに,VMDアルゴリズムのIMF成分数と二次ペナルティ因子を,VMDアルゴリズムによって設定して,次に,パラメータ最適化VMDアルゴリズムを用いて,振動信号を分解した。尖度基準を用いて、最適なIMF成分を選び、Hilbertエンベロープ復調演算を行い、信号の包絡スペクトルを獲得し、包絡スペクトルに明らかな故障衝撃特徴が現れ、これらの衝撃成分によって軸受早期故障診断を実現できた。経験モード分解(EmpiricalModeDecomposition,EMD)と固定パラメータVMDアルゴリズムとの比較により、上述の方法は有効に軸受の早期故障の特徴を抽出することができる。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  *最適化 ,  衝撃 ,  *変分法 ,  *故障 ,  *転がり軸受 ,  *軸受 ,  *故障診断 ,  スペクトル ,  復調 ,  エンベロープ
準シソーラス用語： *パラメータ最適化 ,  尖度 ,  *モード分解 ,  振動信号 , 【Automatic Indexing@JST】

分類 (1件)： 軸受  (QB01020W)

タイトルに関連する用語 (6件)： パラメータ最適化 ,  変分 ,  モード分解 ,  転がり軸受 ,  初期 ,  故障診断