一种改进的VMD及其在轴承故障诊断中的应用

简介

针对VMD在实际工程中需要凭借人为经验设定本征模态分量(IMF)个数,提出了一种通过频谱极值点与自适应阈值之间的关系确定VMD中的最佳IMF数量的策略,称为自适应变分模态分解(Adaptive Variational Modal Decomposition,AVMD),并将其结合最小二乘支持向量机(LSSVM)用于滚动轴承故障诊断。首先利用AVMD对轴承信号分解获得多个IMF分量后根据峭度值将分量信号重构,然后提取重构信号的多尺度排列熵作为训练LSSVM的特征向量,最后用获得的诊断模型对未知的轴承故障进行分类。通过仿真分析及轴承信号的诊断结果表明,AVMD能够有效的将多频率组成的复杂信号分离成几个有效的IMF组合形式,且结合LSSVM的诊断模型具有较高的识别率。