使用RIME-VMD进行滚动轴承故障诊断的研究
1School of Mechanical Engineering, Changchun Guanghua University, Changchun, 130022, China. 1589356167@qq.com.
Scientific reports
|February 8, 2025
概括
本研究介绍了用于滚动轴承故障诊断的RIME-VMD,提高了特征提取效率. RIME算法优化了变化模式分解 (VMD) 以实现更快,更强大的故障识别.
科学领域:
- 工程 工程师 工程师 工程师
- 机械工程 机械工程
- 信号处理 信号处理
背景情况:
- 变化模式分解 (VMD) 在轴承故障诊断的特征提取方面面临着挑战.
- 准确的故障识别对于预测性维护和运行安全至关重要.
研究的目的:
- 提出一个优化的特征提取方法,用于滚动轴承故障诊断,使用RIME算法与VMD.
- 提高故障检测和识别的效率和稳定性.
主要方法:
- RIME算法优化了VMD参数 (分解元件,惩罚因子).
- 内在模式函数 (IMFs) 被分解,并使用kurtosis进行组件选择.
- 重建和样本值计算用于故障特征提取.
- 支持矢量机 (SVM) 用于故障分类.
主要成果:
- 与WOA-VMD相比,RIME-VMD的搜索时间更短,搜索效率更高.
- 该方法在各种故障条件下实现了更快的分解参数识别.
- 在故障信号检测和快速,高效的滚动轴承故障识别中观察到更强大的稳定性.
结论:
- 拟议的RIME-VMD方法在滚动轴承故障诊断方面提供了显著的改进.
- 这种方法为未来的故障诊断技术研究提供了宝贵的参考.
- 使用RIME优化的VMD提高了故障识别的速度和准确性.
更多相关视频
08:27Evaluation of Motor Impairment in C. elegans Models of Amyotrophic Lateral Sclerosis
Published on: September 2, 2021
3.9K
06:45Design and Application of a Fault Detection Method Based on Adaptive Filters and Rotational Speed Estimation for an Electro-Hydrostatic Actuator
Published on: October 28, 2022
1.6K
