Fault Diagnosis Based on Feature Mode Decomposition of Whale Optimization Algorithm

鲸鱼 分解 断层(地质) 计算机科学 算法 模式识别(心理学) 特征(语言学) 优化算法 模式(计算机接口) 人工智能 数学 数学优化 地质学 渔业 地震学 哲学 操作系统 生物 语言学 生态学
作者
Jie Zou,Ling Zhao,Bo Mi,Jin Tan
标识
DOI:10.1109/phm58589.2023.00051
摘要

For the increasingly complex problems of mechanical fault signals, a recently introduced adaptive signal processing technique called feature mode decomposition (FMD) has been effectively utilized to diagnose mechanical equipment faults. Since FMD requires prior knowledge, its parameters need to be input manually, and its parameter adaptability directly affects the decomposition performance of FMD. Based on this, this work suggests a method for choosing FMD parameters by the Whale optimization Algorithm (WOA) and uses it to identify mechanical equipment bearing faults. First, the WOA is utilized to search for the best combination of FMD's mode number (K) and filter length (L) after utilizing the sample entropy as the fitness function. The modal components are then obtained through signal decomposition, and the mode component with the highest kurtosis index is chosen. To identify the issue, resonance demodulation analysis is carried out for the target mode, and fault characteristic data is collected. The research on the Xi'an Jiaotong University dataset and MFPT dataset has demonstrated that this technique, which is quicker and more accurate than variational mode decomposition (VMD), can extract fault signals, identify fault types, and be applied to bearing fault detection.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
mumu完成签到,获得积分10
1秒前
炸毛可乐完成签到,获得积分10
1秒前
1秒前
啊TiP完成签到,获得积分10
1秒前
冯冯完成签到 ,获得积分10
2秒前
2秒前
jun关闭了jun文献求助
2秒前
蝉鸣完成签到,获得积分10
2秒前
2秒前
喂喂喂完成签到,获得积分10
3秒前
cheng完成签到 ,获得积分10
4秒前
木雨洛完成签到,获得积分10
4秒前
充电宝应助hopen采纳,获得10
4秒前
vhjino完成签到,获得积分10
4秒前
~~完成签到,获得积分10
4秒前
12完成签到,获得积分10
4秒前
明芷蝶完成签到,获得积分10
5秒前
作文27分完成签到,获得积分10
6秒前
香蕉问旋完成签到 ,获得积分10
6秒前
amongferns发布了新的文献求助10
7秒前
搜集达人应助fxkzjz采纳,获得10
7秒前
8秒前
8秒前
fgh完成签到 ,获得积分10
8秒前
羞涩的小小完成签到 ,获得积分10
8秒前
8秒前
8秒前
8秒前
17852573662完成签到,获得积分10
9秒前
sfef应助畅快访蕊采纳,获得10
9秒前
安详可燕发布了新的文献求助10
9秒前
酷波er应助zzj采纳,获得20
9秒前
9秒前
坚强的青易完成签到,获得积分10
10秒前
斯文败类应助pyt采纳,获得10
11秒前
11秒前
西科Jeremy完成签到,获得积分10
12秒前
zoe发布了新的文献求助10
12秒前
蓝色的大尾巴鱼完成签到,获得积分10
13秒前
SCI完成签到 ,获得积分10
13秒前
高分求助中
Sustainability in Tides Chemistry 2000
Microlepidoptera Palaearctica, Volumes 1 and 3 - 13 (12-Volume Set) [German] 1122
Дружба 友好报 (1957-1958) 1000
The Data Economy: Tools and Applications 1000
Mantiden - Faszinierende Lauerjäger – Buch gebraucht kaufen 700
PraxisRatgeber Mantiden., faszinierende Lauerjäger. – Buch gebraucht kaufe 700
A Dissection Guide & Atlas to the Rabbit 600
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3099945
求助须知:如何正确求助?哪些是违规求助? 2751385
关于积分的说明 7613674
捐赠科研通 2403417
什么是DOI,文献DOI怎么找? 1275270
科研通“疑难数据库(出版商)”最低求助积分说明 616322
版权声明 599053