基于ITD分形模糊熵的轴承早期故障诊断

被引：22

作者：

罗颂荣 ^{[1
,2
]}

程军圣 ^{[2
]}

郑近德 ^{[2
]}

机构：

[1] 湖南文理学院机械工程学院

[2] 湖南大学机械与运载工程学院

来源：

振动测试与诊断. | 2013年 / 33卷 / 04期

关键词：

本征时间尺度分解; 模糊熵; 分形维数; 故障诊断;

D O I：

10.16450/j.cnki.issn.1004-6801.2013.04.012

中图分类号：

TH165.3 [];

学科分类号：

摘要：

针对滚动轴承早期故障振动信号信噪比低、单一故障特征难以实现在整个复杂非线性状态空间上准确分类的局限,提出了基于本征时间尺度分解(intrinsic time-scale decomposition,简称ITD)和分形模糊熵的轴承早期故障智能诊断方法。首先,利用改进的ITD方法将包含大量背景噪声的非线性非平稳振动信号自适应地分解为不同频段的合理旋转(proper rotation,简称PR)分量;然后,提取蕴含故障信息的PR分量的分形维数和模糊熵,组成联合特征向量;最后,采用适合小样本模式识别的最小二乘支持矢量机(least squares support vectors machine,简称LSSVM)方法对故障类型进行分类。通过4种运行状态的滚动轴承实验表明,该方法能有效性地应用于滚动轴承早期故障智能诊断。

引用

页码：706 / 711+730 +730

页数：7

共 12 条

[1] 一种新的非平稳信号分析方法——局部特征尺度分解法 [J].

程军圣 ;

郑近德 ;

杨宇 .

振动工程学报, 2012, 25 (02) :215-220

[2] 滚动轴承故障特征的时间—小波能量谱提取方法 [J].

张进 ;

冯志鹏 ;

褚福磊 .

机械工程学报, 2011, 47 (17) :44-49

[3] 经验模态分解中的模态混叠问题 [J].

胡爱军 ;

孙敬敬 ;

向玲 .

振动测试与诊断., 2011, 31 (04) :429-434+532

[4] 基于小波包样本熵的滚动轴承故障特征提取 [J].

苏文胜 ;

王奉涛 ;

朱泓 ;

郭正刚 ;

张志新 ;

张洪印 .

振动测试与诊断., 2011, 31 (02) :162-166+263

[5] 基于局域均值分解的机械故障欠定盲源分离方法研究 [J].

李志农 ;

刘卫兵 ;

易小兵 .

机械工程学报, 2011, 47 (07) :97-102

[6] 基于遗传算法的旋转机械故障诊断方法融合 [J].

刘占生 ;

窦唯 ;

王东华 ;

王晓伟 .

机械工程学报, 2007, (10) :227-233

[7] 基于EMD和分形维数的转子系统故障诊断 [J].

程军圣 ;

于德介 ;

杨宇 .

中国机械工程, 2005, (12) :1088-1091

[8]

基于熵的表面肌电信号特征提取研究[D]. 陈伟婷.上海交通大学. 2008

[9] The local mean decomposition and its application to EEG perception data [J].

Smith, JS .

JOURNAL OF THE ROYAL SOCIETY INTERFACE, 2005, 2 (05) :443-454

[10]

A comparison study of improved Hilbert–Huang transform and wavelet transform: Application to fault diagnosis for rolling bearing[J] . Z.K. Peng,Peter W. Tse,F.L. Chu.Mechanical Systems and Signal Processing . 2005 (5)

← 1 2 →