Resumen

Bajo circunstancias normales, los rodamientos generalmente funcionan bajo condiciones de carga variable. Bajo tales condiciones, las señales de vibración de los fallos de los rodamientos suelen ser señales no estacionarias, lo que dificulta su procesamiento de manera efectiva. Con el fin de diagnosticar con precisión y eficacia los tipos de fallos y el grado de daño de los rodamientos bajo condiciones de carga variable, se propone un modelo de diagnóstico inteligente basado en la descomposición modal variacional (VMD) del algoritmo de optimización caótica de mosca de fruta cuántica (QCFOA) y una máquina de vectores de relevancia variacional de multiclase (VRVM). En primer lugar, los parámetros clave de la VMD son seleccionados utilizando el QCFOA. En segundo lugar, la señal de fallo de rodamiento conocida es descompuesta por la VMD optimizada, y se extraen la frecuencia central y la entropía espectral marginal (MSE) de cada componente modal natural para construir MSE bidimensional. Luego, se utiliza

• Materias:Emisión acústica Campo de tensión Onda de sismo Diagnóstico de fallas
• Subjects:Acoustic emission Strain field Seismic wave Fault diagnosis
• Palabras claves:Condiciones; Cojinete; Fallas; Modelo de diagnóstico; VMD; VRVM
• Keywords:Conditions; Bearing; Malfunctions; Diagnostic model; VMD; VRVM