本文關鍵詞：基于多尺度子帶樣本熵和LPP的軸承故障診斷方法

  更多相關文章： 軸承損傷 特征提取 多尺度子帶樣本熵 平滑偽Wigner-Ville分布 LPP分布

【摘要】：軸承損傷是機械設備損傷的主要原因之一,其產生的振動信號具有微弱、非平穩(wěn)和非線性的特點。針對不能準確從微弱信號中提取故障特征的問題,提出使用多尺度子帶樣本熵,首先對信號進行小波包分解得到多尺度信號,再將每一個多尺度信號進行子帶分解得到多尺度子帶信號,再求其樣本熵得到多尺度子帶樣本熵,該方法能深入挖掘微弱信號的本質特征;針對非平穩(wěn)信號能量密度分布不均的問題,提出使用平滑偽Wigner-Ville分布,其可對非平穩(wěn)信號的瞬時對稱相關函數進行時頻聚集處理,使信號的能量均勻分布;針對不能準確的挖掘非線性數據的主流形的問題,提出使用局部保持投影(LPP,Locality Preserving Projection),LPP在投影過程中保持了最優(yōu)的數據局部鄰域關系,可以準確的挖掘非線性數據的主流形。文中分別采用四組正常、內圈故障、滾珠故障和外圈故障信號作為原始數據來驗證該方法的有效性,實驗結果證明該方法能有效地對信號故障進行分離和識別。
【作者單位】： 湖南科技大學機械設備健康維護湖南省重點實驗室;
【基金】：國家自然科學基金項目(51575178;11572125)
【分類號】：TH133.3
【正文快照】： 隨著制造業(yè)的發(fā)展,機械水平的不斷提高,軸承的使用也越來越廣泛,但軸承發(fā)生故障的頻率也在不斷增加,由于軸承故障不易察覺,從而容易引起不必要的損失。軸承故障診斷的發(fā)展,一直以來都受到了國內外的廣泛關注,能否準確的從軸承故障信號中提取出準確的特征參數,是軸承故障診斷的，

本文編號：1300027