专利交易市场

一种基于改进变分模态分解的故障识别方法，该方法结合变分模态分解和深度自编码器的混合方法来实现风电齿轮箱轴承故障的识别，首先，利用功率谱熵优化变分模态分解的本征模态函数数目和模态初始中心约束强度；然后，利用样本熵阈值将本征模态函数分为高噪声和低噪声分量，接着用小波阈值对高噪声本征模态函数分量进行降噪重构；之后，利用深度自编码器对故障特征进行提取和降维；最后，利用支持向量机对轴承故障进行识别。本发明可以更好的提取故障轴承的特征，对故障进行更快更精确的识别。

基于改进连续变分模态分解的旋转机械故障诊断方法，包括：S1：采集振动信号；S2：设置平衡参数α的变化范围和增大步长；S3：以α增大的每一步值执行连续变分模态分解SVMD；S4：计算每一步所得模态分量的能量位置指标值EP；S5：找出每一步的最小EP指标值及其对应目标模态分量的序号；S6：画出α与每一步最小EP指标值及目标模态分量序号之间的关系曲线；S7：找出α的最优值；S8：找出α最优值对应的目标模态分量序号；S9：以α最优值执行SVMD，选取最优目标模态分量；S10：提取故障特征频率，实现旋转机械故障诊断。本发明克服了现有的SVMD中平衡参数难以确定、目标模态分量难以选取的问题，可以方便有效地实现旋转机械故障诊断。