基于小波包变换与样本熵的滚动轴承故障诊断

被引:77
作者
赵志宏 [1 ,2 ]
杨绍普 [3 ]
机构
[1] 石家庄铁道大学信息科学与技术学院
[2] 北京交通大学机械与电子控制工程学院
[3] 石家庄铁道大学校办
关键词
小波包变换; 样本熵; 故障诊断; 支持向量机;
D O I
10.16450/j.cnki.issn.1004-6801.2012.04.009
中图分类号
TH165.3 [];
学科分类号
080202 ;
摘要
针对滚动轴承振动信号的不规则性和复杂性可以反映轴承故障的发生和发展,提出一种基于小波包变换与样本熵的轴承故障诊断方法。样本熵可以较少地依赖时间序列的长度,将轴承振动信号进行3层小波包分解,利用分解得到的各个频带的样本熵值作为特征向量,利用支持向量机对轴承故障进行分类。对轴承内圈故障、滚动体故障和外圈故障3种故障及不同损伤程度的实测数据进行实验,结果表明该方法取得较高的识别率,具有一定的工程应用价值。
引用
收藏
页码:640 / 644+692 +692
页数:6
相关论文
共 6 条
[1]   基于循环频率能量的滚动轴承损伤程度识别 [J].
董广明 ;
陈进 .
振动工程学报, 2010, 23 (03) :249-253
[2]   基于模拟退火与LSSVM的轴承故障诊断 [J].
隋文涛 ;
路长厚 ;
Wilson Wang ;
张丹 .
振动测试与诊断., 2010, 30 (02) :119-122+206
[3]   应用小波包和包络分析的滚动轴承故障诊断 [J].
唐贵基 ;
蔡伟 .
振动、测试与诊断, 2009, 29 (02) :201-204+244
[4]   滚动轴承的故障特征提取 [J].
徐振辉 ;
马立元 .
兵工自动化, 2004, (01) :46-48
[5]   Bearing fault diagnosis using multi-scale entropy and adaptive neuro-fuzzy inference [J].
Zhang, Long ;
Xiong, Guoliang ;
Liu, Hesheng ;
Zou, Huijun ;
Guo, Weizhong .
EXPERT SYSTEMS WITH APPLICATIONS, 2010, 37 (08) :6077-6085
[6]   Rolling element bearing fault diagnosis using wavelet packets [J].
Nikolaou, NG ;
Antoniadis, IA .
NDT & E INTERNATIONAL, 2002, 35 (03) :197-205