本文關(guān)鍵詞： 局部特征尺度分解 基本尺度熵 相空間重構(gòu) 多尺度 支持向量機　出處：《機械傳動》2017年09期 　論文類型：期刊論文

【摘要】：為了準確進行軸承故障診斷,提出了基于局部特征尺度分解與基本尺度熵的故障特征提取及診斷方法。首先,分析了基本尺度熵提取軸承振動信號蘊涵的故障信息的合理性,針對基本尺度熵的參數(shù)選擇問題,提出了基于相空間重構(gòu)理論的延遲時間和嵌入維數(shù)選擇方法;然后,運用局部特征尺度分解對基本尺度熵進行自適應(yīng)多尺度化,充分提取了故障特征;最后,將原始信號的降噪數(shù)據(jù)及有用分量的基本尺度熵作為特征向量,通過支持向量機進行故障診斷。以軸承振動試驗信號為例進行了驗證,結(jié)果表明,所提方法能有效識別正常、內(nèi)圈故障、外圈故障及滾動體故障等4種狀態(tài)。
[Abstract]:In order to accurately diagnose the bearing, put forward the fault feature extraction and diagnosis methods and basic scale entropy scale decomposition based on local features. Firstly, analyze the rationality of the fault information basic scale entropy to extract the implication of bearing vibration signal, aiming at the problem of parameter selection of basic scale entropy, put forward the theory of phase space reconstruction delay time and then based on the method of embedding dimension; the basic scale entropy, multi-scale adaptive decomposition using local characteristic scale, to fully extract the fault features; finally, the basic scale entropy reduction data of the original signal and the useful component as the feature vector of fault diagnosis based on support vector machine. In order to test the bearing vibration signal is performed the results show that the verification, the proposed method can effectively identify the normal, inner ring fault, outer ring fault and rolling fault 4.

【作者單位】： 海軍航空工程學(xué)院;
【基金】：國家部委預(yù)研基金(9140A27020214JB1446)
【分類號】：TH133.3
【正文快照】： 0引言旋轉(zhuǎn)機械發(fā)生故障時,其沖擊成分被系統(tǒng)固有振動所調(diào)制,引起了動力學(xué)突變,其振動信號的時域波形會產(chǎn)生新的振動模式,體現(xiàn)為復(fù)雜程度的變化。因此,運用復(fù)雜性指標可提取旋轉(zhuǎn)機械的運行狀態(tài)。在復(fù)雜性指標中,復(fù)雜度反映了時間序列隨著長度的增加而出現(xiàn)新模式的速率,能夠描述，

本文編號：1466042