【摘要】：為了準確地進行滾動軸承故障診斷,針對故障振動信號的低信噪比特征,提出了局部特征尺度分解、k均值聚類分析和獨立分量分析相結合的故障診斷方法。首先,應用局部特征尺度分解對振動信號進行分解,得到若干個內(nèi)稟尺度分量;然后,依據(jù)分量與原始信號的互相關系數(shù)及峭度值,應用k均值聚類方法選取有效的分量組成新的觀測信號;最后,對觀測信號進行獨立分量分析處理,實現(xiàn)信噪分離,依據(jù)峭度值選取信號分量,對信號應用希爾伯特包絡譜技術實現(xiàn)故障診斷。通過軸承內(nèi)圈故障數(shù)據(jù)分析,驗證了方法的有效性。
[Abstract]:In order to accurately diagnose rolling bearing fault, a fault diagnosis method combining local feature scale decomposition, k-means clustering analysis and independent component analysis is proposed for the low signal-to-noise ratio (SNR) characteristics of the fault vibration signal. Firstly, the local characteristic scale decomposition is used to decompose the vibration signal, and some intrinsic scale components are obtained, and then, according to the correlation number and kurtosis value between the components and the original signal, The k-means clustering method is used to select the effective components to form the new observation signal. Finally, the independent component analysis (ICA) of the observed signal is carried out to realize the separation of signal and noise, and the signal component is selected according to the kurtosis value. Hilbert envelope technique is applied to fault diagnosis. The validity of the method is verified by analyzing the fault data of bearing inner ring.
【作者單位】： 海軍航空工程學院飛行器工程系;
【基金】：國家部委預研基金項目(9140A27020214JB1446)資助
【分類號】：TH133.33

【相似文獻】

相關期刊論文 前10條

1 王延松，李樹才，蔣鈺潔;滾動軸承故障的快速診斷[J];林業(yè)機械與木工設備;1996年03期

2 張益純,劉振娟;滾動軸承故障分析探討[J];內(nèi)燃機配件;2000年03期

3 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

4 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

5 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

6 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

7 江涌;基于余弦調(diào)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

8 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

9 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

10 李崇晟;滾動軸承故障的非線性診斷方法[J];軸承;2005年05期

相關會議論文 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 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

3 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

4 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

5 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

6 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(chǎn)技術會議暨煉鐵年會文集（上冊）[C];2008年

7 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

8 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

9 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

10 和衛(wèi)星;陳曉平;馬東玲;;基于混沌時間序列的滾動軸承故障局部預測[A];2009中國儀器儀表與測控技術大會論文集[C];2009年

相關博士學位論文 前10條

1 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

2 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

3 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

4 楊柳松;基于小波分析與神經(jīng)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

5 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

6 趙協(xié)廣;基于小波變換和經(jīng)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

7 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

8 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

9 Ao Hung Linh（池雄嶺）;基于化學反應優(yōu)化算法和支持向量機的滾動軸承故障診斷方法研究[D];湖南大學;2014年

10 崔寶珍;自適應形態(tài)濾波與局域波分解理論及滾動軸承故障診斷[D];中北大學;2013年

相關碩士學位論文 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 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

6 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

7 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

8 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

9 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

10 黃宏臣;基于流形學習算法的滾動軸承故障識別研究[D];太原理工大學;2014年

，

本文編號：2294027