[发明专利]基于变分模态分解-传递熵的轴承退化状态识别预测方法在审
| 申请号： | 201811473007.X | 申请日： | 2018-12-04 |
| 公开（公告）号： | CN109580222A | 公开（公告）日： | 2019-04-05 |
| 发明（设计）人： | 武哲;张嘉钰;崔彦平;常宏杰;张付祥;张新聚;牛虎利 | 申请（专利权）人： | 河北科技大学 |
| 主分类号： | G01M13/04 | 分类号： | G01M13/04 |
| 代理公司： | 石家庄冀科专利商标事务所有限公司 13108 | 代理人： | 曹淑敏 |
| 地址： | 050018 *** | 国省代码： | 河北;13 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于变分模态分解‑传递熵的轴承退化状态识别预测方法，属于齿轮故障分析技术领域。技术方案是：通过系统非线性和复杂程度的参数有效地反映旋转机械故障的严重程度；将变分模态分解与基于非线性动力学参数的信号复杂性的传递熵理论相结合，实现滚动轴承退化状态识别；建立基于变分模态分解‑传递熵的滚动轴承状态评价指标，应用模型对滚动轴承全寿命试验数据进行预测。本发明为旋转机械的故障诊断、性能退化状态识别和趋势预测提供新的有效手段；建立变分模态分解‑传递熵和SVR的滚动轴承故障演化趋势预测模型，应用该模型对滚动轴承全寿命试验数据进行预测，提高准确性和有效性。 | ||
| 搜索关键词： | 滚动轴承 分模 分解 退化状态 传递 全寿命试验 预测 轴承 非线性动力学 滚动轴承故障 旋转机械故障 信号复杂性 齿轮故障 故障诊断 趋势预测 性能退化 旋转机械 演化趋势 应用模型 有效手段 预测模型 状态评价 状态识别 有效地 应用 分析 | ||
【主权项】：
1.基于变分模态分解‑传递熵的轴承退化状态识别预测方法，其特征在于包含如下步骤：当机械设备发生故障时，系统的动力学行为表现出强非线性和非稳定性，通过系统非线性和复杂程度的参数有效地反映旋转机械故障的严重程度；针对旋转机械性能退化识别指标的建立问题，将变分模态分解与基于非线性动力学参数的信号复杂性的传递熵理论相结合，实现滚动轴承退化状态识别；定量描述轴承时间序列信号频段间非线性的耦合及信息传递特征，得到轴承故障振动信号的传递路径，建立基于变分模态分解‑传递熵的滚动轴承状态评价指标，进行旋转机械的故障诊断、性能退化状态识别和趋势预测；针对滚动轴承退化趋势预测问题，建立变分模态分解‑传递熵和SVR的滚动轴承故障演化趋势预测模型，应用该模型对滚动轴承全寿命试验数据进行预测。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于河北科技大学，未经河北科技大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201811473007.X/，转载请声明来源钻瓜专利网。
