优化参数VMD和MED在列车齿轮箱滚动轴承故障诊断中的应用

李长青; 林建辉; 胡永旭

doi:10.13890/j.issn.1000-128x.2020.03.030

您当前的位置：

首页 >

文章列表页 >

优化参数VMD和MED在列车齿轮箱滚动轴承故障诊断中的应用

试验检测 | 更新时间：2021-12-10

- 优化参数VMD和MED在列车齿轮箱滚动轴承故障诊断中的应用
- Application of Optimization Parameters VMD and MED in Fault Diagnosis of Train Gearbox Rolling Bearings
- 机车电传动 2020年第3期页码：142-147
- 作者机构：
  
  1.西南交通大学　牵引动力国家重点试验室，四川　成都　610031
- 作者简介：
  
  李长青（1993—），男，硕士研究生，主要研究方向为机械故障。
- 基金信息：
- DOI：10.13890/j.issn.1000-128x.2020.03.030
  中图分类号：
扫描看全文
李长青, 林建辉, 胡永旭. 优化参数VMD和MED在列车齿轮箱滚动轴承故障诊断中的应用[J]. 机车电传动, 2020,(3):142-147.

Changqing LI, Jianhui LIN, Yongxu HU. Application of Optimization Parameters VMD and MED in Fault Diagnosis of Train Gearbox Rolling Bearings[J]. Electric Drive for Locomotives, 2020,(3):142-147.
李长青, 林建辉, 胡永旭. 优化参数VMD和MED在列车齿轮箱滚动轴承故障诊断中的应用[J]. 机车电传动, 2020,(3):142-147. DOI： 10.13890/j.issn.1000-128x.2020.03.030.

Changqing LI, Jianhui LIN, Yongxu HU. Application of Optimization Parameters VMD and MED in Fault Diagnosis of Train Gearbox Rolling Bearings[J]. Electric Drive for Locomotives, 2020,(3):142-147. DOI： 10.13890/j.issn.1000-128x.2020.03.030.

摘要

针对强噪声情况下列车齿轮箱滚动轴承早期故障特征提取困难的问题，提出基于最小熵解卷积（minimum entropy deconvolution，MED）与参数优化变分模态分解（variational mode decomposition, VMD）相结合的故障诊断方法。首先利用MED对轴承振动信号进行降噪；其次，采用离散差分进化算法(discrete differential evolution algorithm, DDE)对VMD的参数进行优化搜索，并利用优化参数的变分模态分解算法对降噪后的故障信号进行处理，得到一系列本征模态函数；最后，选择最佳的本征模态函数进行包络分析，从而提取出故障特征。试验结果表明，该方法能有效提取列车齿轮箱滚动轴承故障特征，可用于轴承故障诊断。

Abstract

Aiming at the problem of feature extraction of train gearbox rolling bearing’s incipient fault in the case of strong noise, a method of fault diagnosis based on minimum entropy deconvolution (MED) and parameter optimized variational mode decomposition (VMD) was proposed. Firstly, the bearing vibration signal was denoised by using MED. Then, the VMD parameters were optimized by discrete differential evolution algorithm(DDE), and the denoising signal was processed by VMD using the optimum parameters obtained by searching, a series of intrinsic mode functions were obtained. Finally, the optimal intrinsic mode function(IMF)was selected for envelopment analysis and getting the fault frequency. The experimental results showed that the proposed method could effectively extract the fault features of train gearbox rolling bearing and could be used to rolling bearing faulf diagnosis.

关键词

高速列车列车齿轮箱滚动轴承最小熵解卷积变分模态分解参数优化离散差分进化算法故障诊断

Keywords

high-speed traintrain gearboxrolling bearingminimum entropy deconvolutionvariational mode decompositionparameter optimizediscrete differential evolution algorithmfault diagnosis

references

HUANG N E, SHEN Z, LONG S R, et al. The empirical mode decomposition and the Hilbert spectrum for nonlinear and non-stationary time series analysis[J]. Proceedings of the Royal Society A:Mathematical Physical and Engineering Sciences, 1998, 454(1971): 903-995.

李辉, 郑海起, 唐力伟. 声测法和经验模态分解在轴承故障诊断中的应用[J]. 中国电机工程学报, 2006, 26(15): 124-128.

熊学军, 郭炳火, 胡筱敏, 等. EMD方法和Hilbert谱分析法的应用与探讨[J]. 黄渤海海洋, 2002, 20(2): 12-21.

胡爱军, 孙敬敬, 向玲. 经验模态分解中的模态混叠问题[J]. 振动、测试与诊断, 2011, 31(4): 429-434.

DRGOMIRETSKIY K, ZOSSO D. Variational mode decomposition[J]. IEEE Transactions on Signal Processing, 2014, 62(3): 531-544.

唐贵基, 王晓龙. 变分模态分解方法及其在滚动轴承早期故障诊断中的应用[J]. 振动工程学报, 2016, 29(4): 638-648.

武英杰, 甄成刚, 刘长良. 变分模态分解在风电机组故障诊断中的应用[J]. 机械传动, 2015, 39(10): 129-132.

王志坚, 韩振南, 刘邱祖, 等. 基于MED-EEMD的滚动轴承微弱故障特征提取[J]. 农业工程学报, 2014, 30(23): 70-78.

侯玲娟, 周泓. 基于离散差分进化算法的随机车辆路径问题[J]. 工业工程, 2014, 17(3): 101-107.

何兵, 车林仙, 刘初升. 基于离散差分进化算法的齿轮优化设计[J]. 机械传动, 2012, 36(10): 39-42.

PRICE K V, STORN R M, LAMPINEN J. Differential evolution: A Practical approach to global optimization(Natural computing series)[M]. Heidelberg: Springer Science & Business Media, 2005.

浏览量

下载量

CSCD

CNKI被引量

文章被引用时，请邮件提醒。

提交

工具集

关联资源

改进的EWT方法在高速列车轴承故障诊断中的应用

基于SVD-MOMEDA的高速列车齿轮箱轴承故障诊断

基于EWT-SVD方法的高速列车滚动轴承故障诊断

优化VMD在高速列车牵引电机轴承故障诊断中的应用

基于仿真试验和BOA-VMD的轴箱轴承故障特征提取算法研究