论文部分内容阅读
为了准确、有效地提取转子故障特征,提出了变分模态分解（VMD）和奇异值特征提取的方法,并采用模糊C均值聚类（FCM）进行转子故障识别。首先,利用分解精度高、模态混叠问题少的VMD算法进行振动信号分解,形成初始特征向量矩阵,然后对该向量矩阵进行奇异值分解,将求得奇异值作为故障特征向量,最后通过模糊C均值聚类形成聚类中心,并计算海明贴近度以实现不同工况下的转子故障分类。将此方法进行转子实验台振动数据验证,实验结果表明：该方法能够有效实现不同工况下转子故障信号的区分,取得了理想的故障诊断结果。