HMI-POA-VMD故障诊断模型

噪声下特征提取更准

通过谐波均值指标融合峭度与包络熵,利用鹈鹕优化算法全局搜索VMD最佳参数,在强噪声干扰下仍能准确提取轴承故障特征。

Jiangtao, Chen · Xue, Hai · Bai, Yongliang

Beijing Jiaotong Daxue Xuebao/Journal of Beijing Jiaotong University 2024

参数信息

故障特征系数提升率
62.5 %
故障特征系数提升率
49.1 %

技术优势

噪声下提取更准

谐波均值指标同时兼顾信号的周期性与冲击性,使VMD分解出的最优分量包含更丰富的故障频率信息。

故障特征系数提升

相比传统VMD,FFC提升62.5%,能够提取更全面的故障频率,满足强噪声环境下的特征识别需求。

全局优化更稳定

鹈鹕优化算法对VMD关键参数进行全局搜索,避免陷入局部最优,获得更优的分解层数K和惩罚因子α。

应用场景