本文關鍵詞：基于LCD降噪與LS-SVM的滾動軸承故障診斷方法

  更多相關文章： 滾動軸承 LCD 峭度準則 模糊熵 LS-SVM 故障診斷

【摘要】：在實際工況下滾動軸承較易發(fā)生故障,為了保障機械運行可靠性,對其進行故障診斷研究顯得非常重要,提出一種基于局部特征尺度分解(Local Characteristic-scale Decomposition,LCD)降噪與最小二乘支持向量機(Least Squares Support Veotor Machine,LS-SVM)的滾動軸承故障診斷方法。首先,利用LCD對軸承信號進行自適應性分解,得到一系列內稟尺度分量(Intrinsic Scale Component,ISC),然后結合峭度準則篩選出包含主要特征信息的分量,完成信號降噪預處理,并與經驗模態(tài)分解(Empirical Mode Decomposition,EMD)進行對比,研究LCD算法的優(yōu)越性;最后提取ISC模糊熵作為信號的敏感特征集,輸入到訓練好的LS-SVM分類器中進行軸承狀態(tài)識別。實驗研究表明,提出的基于LCD降噪與LS-SVM的軸承故障診斷方法能有效地識別出多種軸承類型,識別率高達84%,是一種行之有效的軸承診斷算法。
【作者單位】： 平頂山工業(yè)職業(yè)技術學院;
【分類號】：TH133.33
【正文快照】： 0引言作為旋轉機械設備中極為常見的零件,滾動軸承也是最為常見的故障發(fā)生部位,其中大約30%的故障都是由滾動軸承故障導致的[1]。一旦其發(fā)生故障,容易導致機械運行受損,嚴重的甚至威脅到操作人員人身安全。因此,對其進行故障診斷研究是保障機械設備運行可靠性的重要研究內容之

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前4條

1 張前圖;房立清;趙玉龍;呂巖;;基于LCD信息熵特征和SVM的機械故障診斷[J];機械傳動;2015年12期

2 張沛朋;郭飛燕;;基于PCA-SVM的滾動軸承故障診斷研究[J];組合機床與自動化加工技術;2015年11期

3 鐘小鳳;賀德強;苗劍;;基于PCA-LSSVM的機車走行部滾動軸承故障診斷研究[J];廣西大學學報(自然科學版);2014年02期

4 黃俊;潘宏俠;都衡;;基于EMD近似熵和LSSVM的齒輪箱故障診斷研究[J];組合機床與自動化加工技術;2014年03期

【共引文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 吳印華;徐瓊燕;李俊峰;;基于局部特征尺度分解排列熵和線性局部且空間排列的故障特征提取方法[J];機械設計與研究;2017年01期

2 秦波;孫國棟;陳帥;王祖達;王建國;;排列熵與核極限學習機在滾動軸承故障診斷中的應用[J];組合機床與自動化加工技術;2017年02期

3 邊兵兵;;基于LCD降噪與LS-SVM的滾動軸承故障診斷方法[J];組合機床與自動化加工技術;2017年02期

4 季云峰;馮立元;匡亮;;基于改進的有監(jiān)督正交鄰域保持嵌入的故障辨識[J];機械傳動;2017年01期

5 任瑤;李國富;應小剛;王曉丹;;基于小波包熵與SVM的導軌摩擦磨損狀態(tài)識別[J];計算機工程;2016年11期

6 王書滿;邊志鑫;;基于LabVIEW的帶式輸送機遠程監(jiān)測診斷系統(tǒng)[J];重慶科技學院學報(自然科學版);2016年05期

7 張丹;崔善政;隋文濤;黃雪梅;;基于IMF和預測濾波的軸承故障診斷方法[J];組合機床與自動化加工技術;2016年08期

8 汪亮;王紅軍;;基于多域熵與FCM聚類的故障診斷模型[J];組合機床與自動化加工技術;2016年08期

9 張美玲;胡曉;;基于LCD和改進SVM的軸承故障診斷方法[J];電子技術應用;2016年06期

10 王建國;楊云中;秦波;劉永亮;;基于峭度與IMF能量融合特征和LS-SVM的齒輪故障診斷研究[J];中國測試;2016年04期

【二級參考文獻】

中國期刊全文數(shù)據(jù)庫 前6條

1 侯一民;孫嘉兵;張宇;陳艷虎;;基于PSO-BP神經網(wǎng)絡和Hilbert譜奇異值的滾動軸承故障診斷[J];組合機床與自動化加工技術;2014年07期

2 李鵬宇;邵忍平;汪亞運;;基于Shannon熵的LCD-SVM方法在齒輪故障分類中的研究[J];機械傳動;2014年04期

3 樓軍偉;胡赤兵;趙家黎;;EEMD樣本熵在軸承故障SVM識別中的研究[J];機械傳動;2014年03期

4 鄔再新;劉濤;黃成東;;基于信息熵的渦旋壓縮機振動信號分析[J];振動.測試與診斷;2014年01期

5 胥永剛;孟志鵬;陸明;;基于雙樹復小波包變換和SVM的滾動軸承故障診斷方法[J];航空動力學報;2014年01期

6 周東華，，王慶林;基于模型的控制系統(tǒng)故障診斷技術的最新進展[J];自動化學報;1995年02期

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 張益純,劉振娟;滾動軸承故障分析探討[J];內燃機配件;2000年03期

2 秦愷,陳進,姜鳴,陳春梅;一種滾動軸承故障特征提取的新方法——譜相關密度[J];振動與沖擊;2001年01期

3 鄧長春;;聲發(fā)射法在滾動軸承故障識別中的應用[J];試驗技術與試驗機;2002年Z2期

4 任昭蓉;滾動軸承故障的小波診斷法[J];機械制造與自動化;2004年06期

5 陸爽,田野;滾動軸承故障特征識別的時頻分析研究[J];機床與液壓;2005年06期

6 江涌;基于余弦調頻小波變換的滾動軸承故障研究[J];機械設計與制造;2005年06期

7 程光友;;時域指標在滾動軸承故障診斷中的應用[J];中國設備工程;2005年12期

8 陳洪軍;趙新澤;王延軍;;滾動軸承故障試驗臺的理論建模分析[J];四川理工學院學報(自然科學版);2005年04期

9 李崇晟;滾動軸承故障的非線性診斷方法[J];軸承;2005年05期

10 趙春華;嚴新平;趙新澤;袁成清;高虹亮;;滾動軸承故障的可拓物元診斷方法[J];潤滑與密封;2006年04期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 張益純;;常見滾動軸承故障診斷的技術探討[A];第十屆全國設備監(jiān)測與診斷技術學術會議論文集[C];2000年

2 劉玉林;;貨車滾動軸承故障不分解診斷技術參數(shù)選擇與優(yōu)化探討[A];擴大鐵路對外開放、確保重點物資運輸——中國科協(xié)2005年學術年會鐵道分會場暨中國鐵道學會學術年會和粵海通道運營管理學術研討會論文集[C];2005年

3 楊積忠;左立建;;滾動軸承故障診斷實例[A];設備監(jiān)測與診斷技術及其應用——第十二屆全國設備監(jiān)測與診斷學術會議論文集[C];2005年

4 何斌;戚佳杰;;小波分析在滾動軸承故障診斷中的應用研究[A];第九屆全國振動理論及應用學術會議論文摘要集[C];2007年

5 李放寧;;峰值能量在滾動軸承故障診斷中的應用[A];第十屆全國設備監(jiān)測與診斷技術學術會議論文集[C];2000年

6 何斌;戚佳杰;;小波分析在滾動軸承故障診斷中的應用研究[A];第九屆全國振動理論及應用學術會議論文集[C];2007年

7 張九軍;;常見滾動軸承故障的簡易診斷[A];2008年全國煉鐵生產技術會議暨煉鐵年會文集（上冊）[C];2008年

8 李興林;;滾動軸承故障診斷技術現(xiàn)狀及發(fā)展[A];2009年全國青年摩擦學學術會議論文集[C];2009年

9 唐海峰;陳進;董廣明;;信號稀疏分解方法在滾動軸承故障診斷中的應用[A];第十二屆全國設備故障診斷學術會議論文集[C];2010年

10 高耀智;;高階統(tǒng)計量與小波分析相結合在滾動軸承故障診斷中的應用[A];2009年全國青年摩擦學學術會議論文集[C];2009年

中國博士學位論文全文數(shù)據(jù)庫 前10條

1 郝騰飛;航空發(fā)動機滾動軸承故障的核方法智能識別技術研究[D];南京航空航天大學;2014年

2 廖強;約束獨立分量和多小波分析在滾動軸承故障診斷中的應用[D];電子科技大學;2016年

3 曾鳴;基于凸包的模式識別方法及其在滾動軸承故障診斷中的應用[D];湖南大學;2016年

4 于江林;滾動軸承故障的非接觸聲學檢測信號特性及重構技術研究[D];大慶石油學院;2009年

5 楊柳松;基于小波分析與神經網(wǎng)絡滾動軸承故障診斷方法的研究[D];東北林業(yè)大學;2013年

6 從飛云;基于滑移向量序列奇異值分解的滾動軸承故障診斷研究[D];上海交通大學;2012年

7 趙協(xié)廣;基于小波變換和經驗模態(tài)分解的滾動軸承故障診斷方法研究[D];山東科技大學;2009年

8 侯者非;強噪聲背景下滾動軸承故障診斷的關鍵技術研究[D];武漢理工大學;2010年

9 郭艷平;面向風力發(fā)電機組齒輪箱滾動軸承故障診斷的理論與方法研究[D];浙江大學;2012年

10 孟濤;齒輪與滾動軸承故障的振動分析與診斷[D];西北工業(yè)大學;2003年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 李男;基于LMD樣本熵和貝葉斯網(wǎng)絡的滾動軸承故障診斷方法[D];燕山大學;2015年

2 李玉奎;基于非平穩(wěn)信號分析的滾動軸承故障診斷研究[D];燕山大學;2015年

3 卜勇霞;基于時頻分析方法的滾動軸承故障診斷研究[D];昆明理工大學;2015年

4 馬寶;基于KICA和LSSVM的滾動軸承故障監(jiān)測及診斷方法[D];昆明理工大學;2015年

5 馮春生;基于多源不確定信息融合的數(shù)控機床滾動軸承故障診斷方法與實驗研究[D];青島理工大學;2015年

6 王天一;基于正交小波優(yōu)化閾值降噪方法的滾動軸承故障診斷研究[D];哈爾濱工業(yè)大學;2015年

7 宋耀文;基于振動信號分析的滾動軸承故障特征提取與診斷研究[D];中國礦業(yè)大學;2015年

8 韓一村;基于多傳感器的滾動軸承故障檢測研究[D];河南科技大學;2015年

9 王秀娟;基于LMD的譜峭度算法在滾動軸承故障診斷中的應用研究[D];電子科技大學;2014年

10 段永強;局部均值分解法在滾動軸承故障自動診斷中的應用研究[D];電子科技大學;2015年

本文編號：1298178