基于变分模态分解和模糊C均值聚类的滚动轴承故障诊断

被引：383

作者：

刘长良

武英杰

甄成刚

机构：

[1] 新能源电力系统国家重点实验室(华北电力大学)

来源：

中国电机工程学报 | 2015年 / 35卷 / 13期

基金：

中央高校基本科研业务费专项资金资助;

关键词：

变分模态分解; 特征提取; 模糊聚类; 滚动轴承; 故障诊断;

D O I：

10.13334/j.0258-8013.pcsee.2015.13.020

中图分类号：

TH133.33 [滚动轴承]; TH165.3 [];

学科分类号：

080203 ; 080202 ;

摘要：

为了精准、稳定地提取滚动轴承故障特征,提出了基于变分模态分解和奇异值分解的特征提取方法,采用标准模糊C均值聚类(fuzzy C means clustering,FCM)进行故障识别。对同一负荷下的已知故障信号进行变分模态分解,利用奇异值分解技术进一步提取各模态特征,通过FCM形成标准聚类中心,采用海明贴近度对测试样本进行分类,并通过计算分类系数和平均模糊熵对分类性能进行评价,将该方法应用于滚动轴承变负荷故障诊断。通过与基于经验模态分解的特征提取方法对比,该方法对标准FCM初始化条件不敏感,在同负荷故障诊断中表现出更好的分类性能;变负荷故障诊断时,除外圈故障特征线发生明显迁移,其他测试样本故障特征线仍在原聚类中心附近,整体故障识别率保持在100%,因此,该方法能精确、稳定提取故障特征,为实际滚动轴承智能故障诊断提供参考。

引用

页码：3358 / 3365

页数：8

共 15 条

[1]

An ensemble local means decomposition method and its application to local rub-impact fault diagnosis of the rotor systems.[J].Yu Yang;Junsheng Cheng;Kang Zhang.Measurement.2011, 3

[2]

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

[3]

A NEW VIEW OF NONLINEAR WATER WAVES: The Hilbert Spectrum1.[J].Norden E. Huang;Zheng Shen;Steven R. Long.Annual Review of Fluid Mechanics.1999,

[4] 采用时频矩阵奇异值分解的配电开关振动信号特征量提取方法 [J].