《表1 离散差分进化算法各项参数》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《优化参数VMD和MED在列车齿轮箱滚动轴承故障诊断中的应用》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

当确定一组优化参数（k，α），经VMD分解得到的所有包络熵中，将最小的一个称为局部极小包络熵，与局部极小包络熵相对应的分量为该组IMF分量的最佳分量。为获得全局最佳分量，则以局部极小包络熵最小化为最终寻优目标，利用DDE算法对VMD参数进行优化，当处理的是极小化问题时，目标函数常被称为代价函数（cost function）。结合MED降噪，以包络熵为代价函数，基于离散差分进化算法优化的变分模态分解的高速列车齿轮箱滚动轴承故障诊断流程如图1所示，具体步骤表述为：（1）对振动信号进行MED降噪处理，获取降噪后信号。（2）参照表1设置离散差分进化算法的各项参数，并以包络熵为代价函数，寻找VMD算法最优惩罚参数和分量个数的组合。（3）利用优化参数后的VMD算法对降噪后轴承故障信号进行处理。（4）振动信号被分解为若干IMF分量，筛选出包络熵最小的模态分量，计算该分量的包络谱。（5）将轴承故障特征频率理论值与包络谱峰值对应的频率比较，实现故障诊断。