基于固有时间尺度分解的滚动轴承故障诊断

被引：25

作者：

陈勇旗

赵一鸣

陈杨

机构：

[1] 宁波大学科学技术学院

来源：

电子测量与仪器学报 | 2015年 / 29卷 / 11期

基金：

浙江省自然科学基金;

关键词：

固有时间尺度分解; 故障诊断; 样本熵; Tikhonov支持向量机;

D O I：

10.13382/j.jemi.2015.11.014

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：

针对滚动轴承故障振动信号的非线性和非平稳特性的情况,提出了一种基于固有时间尺度分解和样本熵的新型故障特征提取方法,并与Tikhonov支持向量机相结合实现滚动轴承的故障诊断。该研究充分利用了固有时间尺度分解具有提取故障特征明显、计算简单等优点。首先采用固有时间尺度分解方法将振动信号分解为一序列固有旋转分量和一个基线分量之和,并计算每个固有旋转分量的瞬时幅值和瞬时频率。然后,提取上述瞬时数据的样本熵作为特征向量。最后将其作为Tikhonov支持向量机的输入,实现滚动轴承故障精确分类。经过实验验证,本文方法获取的不同类型故障样本特征差别较大,与小波能谱熵、时间小波能谱熵相比能够更精确和快速的识别轴承故障。

引用

页码：1677 / 1682

页数：6

共 13 条

[1]

变工况下滚动轴承故障注入静电监测方法研究 [J].

刘若晨 ;

左洪福 .

仪器仪表学报, 2014, 35 (10) :2348-2355

[2]

基于时间-小波能量谱熵的滚动轴承故障诊断研究 [J].

唐贵基 ;

邓飞跃 ;

何玉灵 ;

王晓龙 .

振动与冲击, 2014, 33 (07) :68-72+91

[3]

小波包-局部线性嵌入算法在滚动轴承故障程度识别中的应用 [J].

康守强 ;

李祝强 ;

杨广学 ;

王玉静 .

仪器仪表学报, 2014, 35 (03) :614-619

[4]

基于小波包能量矩阵的轴承信号特征提取 [J].

齐俊德 ;

李山 ;

陈冰 .

振动与冲击, 2013, 32 (21) :107-111

[5]

基于瞬时能量熵和SVM的滚动轴承故障诊断 [J].

姚亚夫 ;

张星 .

电子测量与仪器学报, 2013, 27 (10) :957-962

[6]

转子振动故障的小波能谱熵SVM诊断方法 [J].

艾延廷 ;

费成巍 .

航空动力学报, 2011, 26 (08) :1830-1835

[7]

Fault diagnosis of rotating machinery based on the statistical parameters of wavelet packet paving and a generic support vector regressive classifier [J].

Shen, Changqing ;

Wang, Dong ;

Kong, Fanrang ;

Tse, Peter W. .

MEASUREMENT, 2013, 46 (04) :1551-1564

[8]

Rolling element bearing fault diagnosis using wavelet transform [J].

Kankar, P. K. ;

Sharma, Satish C. ;

Harsha, S. P. .

NEUROCOMPUTING, 2011, 74 (10) :1638-1645

[9]

Intrinsic time-scale decomposition: time–frequency–energy analysis and real-time filtering of non-stationary signals.[J].Frei Mark G;Osorio Ivan.Proceedings of The Royal Society A.2006, 2078

[10]

A roller bearing fault diagnosis method based on EMD energy entropy and ANN.[J].Yang Yu;YuDejie;Cheng Junsheng.Journal of Sound and Vibration.2005, 1

← 1 2 →