遗传算法VMD参数优化与小波阈值轴承振动信号去噪分析

被引：54

作者：

刘嘉敏

彭玲

刘军委

袁佳成

机构：

[1] 重庆大学光电技术与系统教育部重点实验室

来源：

机械科学与技术 | 2017年 / 36卷 / 11期

关键词：

遗传算法; 变分模态分解; 小波阈值去噪;

D O I：

10.13433/j.cnki.1003-8728.2017.1110

中图分类号：

TH133.33 [滚动轴承]; TP18 [人工智能理论];

学科分类号：

082805 [农业机械化与装备工程]; 140502 [人工智能];

摘要：

针对轴承振动信号夹杂的噪声极大地影响有用信息的提取,提出了基于遗传算法的变分模态分解(Variational mode decomposition,VMD)与小波阈值去噪方法。该方法首先利用遗传算法选择合适的VMD参数,然后用VMD方法对含噪声的信号进行自适应分解,最后对分解的模态分别进行小波阈值处理后重构信号,得到去噪后的信号。对实际轴承信号的分析结果表明,该方法与常用的去噪方法相比,能够得到更高的信噪比和更低的均方差。

引用

页码：1695 / 1700

页数：6

共 8 条

[1]

齿轮及滚动轴承故障特征分离方法的研究 [D].

汪泽民 .

太原理工大学,

2010

[2]

基于EMD阈值方法的轴承故障振动信号去噪 [J].

包广清 ;

常勇 ;

杨国金 .

计算机工程与应用, 2015, 51 (10) :205-210

[3]

基于EMD-ICA去噪的滚动轴承故障诊断方法 [J].

蔡剑华 ;

胡惟文 ;

王先春 .

机械设计, 2015, 32 (01) :17-23

[4]

LMD和改进小波阈值去噪的轴承声发射信号故障诊断 [J].

艾延廷 ;

冯研研 ;

周海仑 .

科学技术与工程, 2014, 14 (33) :86-92

[5]

基于降噪及独立分量分析的轴承故障声信号特征提取 [J].

吕勇 ;

李友荣 ;

肖涵 ;

王志刚 .

武汉科技大学学报(自然科学版), 2008, (01) :91-94

[6]

Multiwavelet denoising with improved neighboring coefficients for application on rolling bearing fault diagnosis.[J].Xiaodong Wang;Yanyang Zi;Zhengjia He.Mechanical Systems and Signal Processing.2010, 1

[7]

Rolling element bearings multi-fault classification based on the wavelet denoising and support vector machine [J].