本文關(guān)鍵詞：全矢MEMD能量熵在軸承故障診斷中的應(yīng)用　出處：《機(jī)械設(shè)計(jì)與制造》2017年06期 　論文類型：期刊論文

  更多相關(guān)文章： 故障診斷 MEMD 全矢能量熵 支持向量機(jī)

【摘要】：故障軸承振動(dòng)信號(hào)具有非線性和非平穩(wěn)性的特點(diǎn),在軸承發(fā)生故障時(shí)其信號(hào)的能量在頻域上的分布會(huì)發(fā)生改變。針對(duì)單通道信號(hào)存在的信息遺漏和經(jīng)典EMD算法在分解多通道信號(hào)時(shí)得到的IMF分量個(gè)數(shù)不同的問題,提出了全矢MEMD能量熵的滾動(dòng)軸承智能診斷方法。首先利用MEMD算法將一組預(yù)處理后的同源信號(hào)分解為兩組具有相同分量個(gè)數(shù)的IMF分量,且對(duì)應(yīng)階分量的頻率尺度相同。然后分別計(jì)算相同尺度分量的全矢能量熵,并作為信號(hào)特征用支持向量機(jī)進(jìn)行訓(xùn)練和識(shí)別,從而得到軸承的不同故障類型。實(shí)例分析結(jié)果表明了該方法的有效性。
[Abstract]:The vibration signal of fault bearing has the characteristics of nonlinearity and nonstationarity. The distribution of signal energy in frequency domain will change when the bearing fails. The number of IMF components obtained by classical EMD algorithm is different from that of single channel signal. The question. An intelligent diagnosis method of rolling bearing based on full vector MEMD energy entropy is proposed. Firstly, a group of preprocessed homologous signals are decomposed into two groups of IMF components with the same number of components using MEMD algorithm. And the frequency scale of the corresponding order component is the same. Then the full vector energy entropy of the same scale component is calculated, and the support vector machine is used as the signal feature to train and recognize. The results show that the method is effective.
【作者單位】： 鄭州大學(xué)振動(dòng)工程研究所;
【分類號(hào)】：TH133.3
【正文快照】： 1引言軸承是機(jī)械設(shè)備關(guān)鍵部件之一。軸承的運(yùn)行狀態(tài)往往直接決定了設(shè)備是否能夠正常工作。要想解決軸承的故障問題我們首先需要知道軸承故障時(shí)屬于哪一類型,因此我們有必要做有關(guān)于軸承故障分類的研究。軸承振動(dòng)信號(hào)具有非線性和非平穩(wěn)性的特點(diǎn),在軸承發(fā)生故障時(shí)其信號(hào)的能量

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 茍永明;測試與故障診斷技術(shù)研討會(huì)舉行[J];冶金自動(dòng)化;2004年04期

2 ;北京盛迪振通科技有限公司舉辦狀態(tài)監(jiān)測與故障診斷培訓(xùn)班[J];中國設(shè)備工程;2004年08期

3 馬良荔;劉永葆;汪麗華;;基于庫所有色Petri網(wǎng)的故障診斷算法研究[J];計(jì)算機(jī)應(yīng)用研究;2012年03期

4 平靜;;機(jī)器設(shè)備的故障診斷[J];電工技術(shù);1989年12期

5 閆兵，譚達(dá)明;故障診斷中的灰色關(guān)聯(lián)度分析[J];振動(dòng).測試與診斷;1994年03期

6 張清華;邵龍秋;李紅芳;朱月君;;基于無量綱指標(biāo)的旋轉(zhuǎn)機(jī)械并發(fā)故障診斷技術(shù)[J];華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年S1期

7 劉亞娟;王致杰;;旋轉(zhuǎn)機(jī)械系統(tǒng)故障診斷方法綜述[J];蘇州市職業(yè)大學(xué)學(xué)報(bào);2010年02期

8 陳曉宗;;離心泵的故障診斷方法及故障評(píng)定[J];科技與企業(yè);2012年17期

9 張瑞林;機(jī)械設(shè)備的信息處理與故障診斷[J];機(jī)械工程;1985年05期

10 喬文剛;液壓系統(tǒng)故障診斷的實(shí)用方法探析[J];液壓與氣動(dòng);1999年01期

相關(guān)會(huì)議論文 前10條

1 段志善;東亞斌;;灰色故障診斷方法及其發(fā)展的思考[A];振動(dòng)利用技術(shù)的若干研究與進(jìn)展——第二屆全國“振動(dòng)利用工程”學(xué)術(shù)會(huì)議論文集[C];2003年

2 張慶虎;高普云;;基于非線性動(dòng)力學(xué)理論的故障診斷方法與進(jìn)展[A];第18屆全國結(jié)構(gòu)工程學(xué)術(shù)會(huì)議論文集第Ⅲ冊(cè)[C];2009年

3 趙劍偉;趙江;郭志新;;基于多傳感器信息融合的故障診斷方法[A];2007'儀表，，自動(dòng)化及先進(jìn)集成技術(shù)大會(huì)論文集（一）[C];2007年

4 陳宏;鞏曉峗;王麗雅;雷文平;;全矢譜技術(shù)在旋轉(zhuǎn)機(jī)械不對(duì)中故障診斷中的應(yīng)用[A];第十二屆全國設(shè)備故障診斷學(xué)術(shù)會(huì)議論文集[C];2010年

5 婁國煥;周媛;;基于模糊理論的故障診斷方法研究[A];2009年中國智能自動(dòng)化會(huì)議論文集（第一分冊(cè)）[C];2009年

6 吳志洪;袁衛(wèi)東;姜靜;;油質(zhì)—故障診斷中的重要因素[A];中國機(jī)械工程學(xué)會(huì)摩擦學(xué)分會(huì)潤滑技術(shù)專業(yè)委員會(huì)第九屆（溫州）學(xué)術(shù)年會(huì)論文集[C];2004年

7 馬建杰;;狀態(tài)監(jiān)測、故障診斷技術(shù)應(yīng)用于檢修的實(shí)踐與總結(jié)[A];河北冶金學(xué)會(huì)2013年度空分專業(yè)學(xué)術(shù)交流會(huì)論文集[C];2013年

8 程宇;王武;崔福軍;楊富文;;基于模型的故障診斷方法研究綜述[A];第二十七屆中國控制會(huì)議論文集[C];2008年

9 應(yīng)懷樵;;對(duì)我國盡快建立“云智慧實(shí)驗(yàn)室與云智慧故障診斷中心”的建議[A];現(xiàn)代振動(dòng)與噪聲技術(shù)（第九卷）[C];2011年

10 姚曉燕;;狀態(tài)監(jiān)測及故障診斷技術(shù)在轉(zhuǎn)動(dòng)設(shè)備應(yīng)用實(shí)例淺析[A];設(shè)備監(jiān)測與診斷技術(shù)及其應(yīng)用——第十二屆全國設(shè)備監(jiān)測與診斷學(xué)術(shù)會(huì)議論文集[C];2005年

相關(guān)重要報(bào)紙文章 前2條

1 武漢科技學(xué)院紡織服裝學(xué)院 林子務(wù);故障診斷中的數(shù)學(xué)概念[N];中國紡織報(bào);2004年

2 錢宇 李秀喜;先進(jìn)技術(shù)為化工安全保駕護(hù)航[N];中國化工報(bào);2005年

相關(guān)博士學(xué)位論文 前10條

1 胡友強(qiáng);數(shù)據(jù)驅(qū)動(dòng)的多元統(tǒng)計(jì)故障診斷及應(yīng)用[D];重慶大學(xué);2010年

2 高保祿;大型復(fù)雜機(jī)電設(shè)備分布式故障診斷方法研究[D];太原理工大學(xué);2010年

3 曹玉蘋;基于狀態(tài)估計(jì)的石化過程故障診斷與預(yù)報(bào)方法研究[D];中國石油大學(xué);2010年

4 李盤靖;遠(yuǎn)程協(xié)同故障診斷關(guān)鍵技術(shù)及其應(yīng)用研究[D];西北工業(yè)大學(xué);2006年

5 侯俊劍;基于聲像模式識(shí)別的故障診斷機(jī)理研究[D];上海交通大學(xué);2011年

6 鄧學(xué)欣;開放式故障診斷構(gòu)架及動(dòng)態(tài)測試分析方法研究[D];天津大學(xué);2004年

7 田玉玲;多層免疫模型及其在故障診斷中的應(yīng)用研究[D];太原理工大學(xué);2009年

8 韓光臣;復(fù)雜機(jī)電裝備故障診斷關(guān)鍵技術(shù)研究[D];西北工業(yè)大學(xué);2006年

9 李敏;復(fù)雜機(jī)械基于數(shù)據(jù)的建模與故障診斷[D];太原理工大學(xué);2010年

10 雷亞國;混合智能技術(shù)及其在故障診斷中的應(yīng)用研究[D];西安交通大學(xué);2007年

相關(guān)碩士學(xué)位論文 前10條

1 馬昂;基于改進(jìn)LCD的WVD算法及其在故障診斷中應(yīng)用的試驗(yàn)研究[D];燕山大學(xué);2015年

2 張帥;車載嵌入式智能故障診斷終端的研究與設(shè)計(jì)[D];昆明理工大學(xué);2015年

3 陳超;旋轉(zhuǎn)機(jī)械狀態(tài)趨勢(shì)預(yù)測及故障診斷專家系統(tǒng)關(guān)鍵技術(shù)研究[D];鄭州大學(xué);2015年

4 郭艷均;智能倒頻譜及其在故障診斷中的應(yīng)用研究[D];鄭州大學(xué);2015年

5 楚曉艷;基于HSMM的齒輪故障診斷方法研究[D];重慶交通大學(xué);2015年

6 付士鵬;基于LabVIEW的旋轉(zhuǎn)機(jī)械振動(dòng)監(jiān)測與故障診斷的研究[D];華北電力大學(xué);2015年

7 孫云;基于模型的梁和框架結(jié)構(gòu)故障定量診斷研究[D];東北大學(xué);2014年

8 張菲;基于LMD和HSMM的旋轉(zhuǎn)機(jī)械故障診斷方法研究[D];西南交通大學(xué);2016年

9 朱軍;滾動(dòng)軸承非平穩(wěn)信號(hào)故障診斷若干方法研究[D];中國科學(xué)技術(shù)大學(xué);2016年

10 師東陽;面向數(shù)字化設(shè)計(jì)制造集成技術(shù)的故障診斷產(chǎn)業(yè)信息資源協(xié)同研究[D];南昌航空大學(xué);2016年

本文編號(hào)：1426533