基于VMD多尺度熵与BP神经网络的液压设备故障诊断

简介

针对液压设备振动信号的非线性与非平稳性特征,提出一种VMD多尺度熵与BP神经网络的液压设备故障诊断方法。首先通过变分模态分解(Variational mode decomposition,VMD)对故障振动信号进行分解;根据得到固有模态函数分量(Intrinsic Mode Functions,IMF)求取相应的多尺度糊熵;在此基础上以VMD多尺度熵构建的故障特征矩阵输入到BP神经网络中进行训练和故障分类。实验结果表明该方法能够实现对液压设备关键故障诊断,准确率达到了97.66%。