路图傅里叶变换及其在滚动轴承故障诊断中的应用

被引：60

作者：

欧璐

于德介

机构：

[1] 湖南大学汽车车身先进设计制造国家重点实验室

来源：

机械工程学报 | 2015年 / 51卷 / 23期

关键词：

路图; 图傅里叶变换; K-均值聚类; 滚动轴承; 故障诊断;

D O I：

暂无

中图分类号：

TH133.33 [滚动轴承]; TH165.3 [];

学科分类号：

082805 [农业机械化与装备工程];

摘要：

图信号处理(Graph signal processing,GSP)是由谱图理论发展起来的新研究领域。图傅里叶变换(Graph Fourier transformation,GFT)是图信号关于图拉普拉斯矩阵特征函数的展开,也是GSP的基础。对路图的GFT进行分析,发现GFT得到的特征值谱与经典的傅里叶变换(Fourier transformation,FT)频谱有一一对应关系,同时,特征值谱的幅值与特征矢量也有对应关系。将GFT引入滚动轴承故障诊断,提出基于GFT特征提取和K-均值聚类的滚动轴承故障诊断方法。该方法先用GFT将滚动轴承的路图信号变换到特征值谱域;再计算特征值谱的统计量作为故障特征;最后运用K-均值聚类分类器识别滚动轴承的故障类型。对实际轴承振动信号的分析结果表明,基于GFT和K-均值聚类的故障诊断方法能准确有效地识别滚动轴承故障。

引用

页码：76 / 83

页数：8

共 5 条

[1]

EEMD method and WNN for fault diagnosis of locomotive roller bearings.[J].Yaguo Lei;Zhengjia He;Yanyang Zi.Expert Systems With Applications.2010, 6

[2]

Rolling element bearing fault detection in industrial environments based on a K -means clustering approach.[J].C.T. Yiakopoulos;K.C. Gryllias;I.A. Antoniadis.Expert Systems With Applications.2010, 3

[3]

Machinery fault diagnosis using supervised manifold learning [J].