【摘要】：為了提高多工況下對(duì)滾動(dòng)軸承的故障辨識(shí)能力,本文提出以乘積函數(shù)相關(guān)熵為故障特征的滾動(dòng)軸承故障辨識(shí)方法,并利用最小二乘支持向量機(jī)(Least Square Support Vector Machine,LSSVM)實(shí)現(xiàn)自動(dòng)辨識(shí).首先對(duì)預(yù)處理的軸承振動(dòng)信號(hào)進(jìn)行局部均值分解,提取乘積函數(shù)(Product Function,PF),然后計(jì)算PF與原始信號(hào)的皮爾遜積矩相關(guān)系數(shù)熵,進(jìn)而根據(jù)離散變量相關(guān)熵的估計(jì)模型得到乘積函數(shù)相關(guān)熵(Product Function Correntropy,PFC).以PFC為故障特征,結(jié)合LSSVM實(shí)現(xiàn)滾動(dòng)軸承的故障識(shí)別.多組工況下的滾動(dòng)軸承狀態(tài)辨識(shí)實(shí)驗(yàn)證實(shí)了PFC比經(jīng)典故障特征具有更高的故障辨識(shí)效率;另外改變工況參數(shù)提取軸承振動(dòng)數(shù)據(jù),驗(yàn)證了PFC-LSSVM方法具有更好的魯棒辨識(shí)能力.綜上所述,本文驗(yàn)證了LMD-PFC-LSSVM方法的高效性和實(shí)用性,為提高復(fù)雜工況下在線故障診斷能力提供了可靠的技術(shù)支持,具有廣闊的應(yīng)用前景.
[Abstract]:In order to improve the fault identification ability of rolling bearings under multiple working conditions, this paper presents a fault identification method for rolling bearings with product function correlation entropy as the fault feature, and uses least Square support Vector Machine (LSSVM) to realize automatic identification. Firstly, the preprocessed bearing vibration signal is decomposed with local mean, then the product function is extracted, and then the Pearson moment correlation coefficient entropy of PF and the original signal is calculated. Then the product function correlation entropy (PFC) is obtained according to the estimation model of discrete variable correlation entropy. The fault identification of rolling bearing is realized with PFC and LSSVM. The experiments of rolling bearing state identification under multiple working conditions show that PFC has higher fault identification efficiency than classical fault characteristics, and the PFC-LSSVM method has better robust identification ability by extracting bearing vibration data by changing operating condition parameters. To sum up, this paper verifies the efficiency and practicability of LMD-PFC-LSSVM, and provides reliable technical support for improving on-line fault diagnosis ability under complex working conditions, and has broad application prospects.
【作者單位】： 北京交通大學(xué)軌道交通控制與安全國(guó)家重點(diǎn)實(shí)驗(yàn)室;北京交通大學(xué)電氣工程學(xué)院;北京交通大學(xué)北京市城市交通信息智能感知與服務(wù)工程技術(shù)研究中心;北京印刷學(xué)院機(jī)電工程學(xué)院;
【基金】：中央高校基本科研業(yè)務(wù)費(fèi)專項(xiàng)資金 軌道交通控制與安全國(guó)家重點(diǎn)實(shí)驗(yàn)室自主研究課題(RCS2014ZT24)
【分類號(hào)】：TH133.33

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前3條

1 張淑清;胡永濤;李盼;包紅燕;姜萬(wàn)錄;錢磊;;基于MEMD互近似熵及FCM聚類的軸承故障診斷方法[J];中國(guó)機(jī)械工程;2015年19期

2 程軍圣;鄭近德;楊宇;羅頌榮;;基于部分集成局部特征尺度分解與拉普拉斯分值的滾動(dòng)軸承故障診斷模型[J];振動(dòng)工程學(xué)報(bào);2014年06期

3 成昊;唐斌;;基于相關(guān)熵的盲源分離算法[J];電子科技大學(xué)學(xué)報(bào);2013年02期

【共引文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前3條

1 付云驍;賈利民;秦勇;楊杰;張媛;;基于乘積函數(shù)相關(guān)熵的滾動(dòng)軸承故障辨識(shí)方法[J];應(yīng)用基礎(chǔ)與工程科學(xué)學(xué)報(bào);2016年02期

2 李靜威;全厚德;;脈沖噪聲條件下的相關(guān)熵譜估計(jì)[J];信號(hào)處理;2014年08期

3 王鑫;譚華忠;蔣華;;基于改進(jìn)人工蜂群算法的視頻水印[J];計(jì)算機(jī)工程與設(shè)計(jì);2014年06期

【二級(jí)參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 時(shí)培明;李庚;韓東穎;;基于改進(jìn)EMD的旋轉(zhuǎn)機(jī)械耦合故障診斷方法研究[J];中國(guó)機(jī)械工程;2013年17期

2 王雪;李宣平;戴逸翔;;多相水平集協(xié)同空間模糊聚類圖像多目標(biāo)分割[J];機(jī)械工程學(xué)報(bào);2013年20期

3 鄭近德;程軍圣;楊宇;;部分集成局部特征尺度分解:一種新的基于噪聲輔助數(shù)據(jù)分析方法[J];電子學(xué)報(bào);2013年05期

4 王金福;李富才;;機(jī)械故障診斷技術(shù)中的信號(hào)處理方法:時(shí)域分析[J];噪聲與振動(dòng)控制;2013年02期

5 張淑清;孫國(guó)秀;李亮;李新新;監(jiān)雄;;基于LMD近似熵和FCM聚類的機(jī)械故障診斷研究[J];儀器儀表學(xué)報(bào);2013年03期

6 周智;朱永生;張優(yōu)云;朱川峰;王鵬;;基于EEMD和共振解調(diào)的滾動(dòng)軸承自適應(yīng)故障診斷[J];振動(dòng)與沖擊;2013年02期

7 沈維蕾;趙韓;周蓉;;基于模糊聚類分析的控制圖變點(diǎn)估計(jì)研究[J];中國(guó)機(jī)械工程;2012年23期

8 鄭近德;程軍圣;楊宇;;基于改進(jìn)的ITD和模糊熵的滾動(dòng)軸承故障診斷方法[J];中國(guó)機(jī)械工程;2012年19期

9 程軍圣;鄭近德;楊宇;;基于局部特征尺度分解的經(jīng)驗(yàn)包絡(luò)解調(diào)方法及其在機(jī)械故障診斷中的應(yīng)用[J];機(jī)械工程學(xué)報(bào);2012年19期

10 程軍圣;鄭近德;楊宇;;一種新的非平穩(wěn)信號(hào)分析方法——局部特征尺度分解法[J];振動(dòng)工程學(xué)報(bào);2012年02期

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

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

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

3 鄧長(zhǎng)春;;聲發(fā)射法在滾動(dòng)軸承故障識(shí)別中的應(yīng)用[J];試驗(yàn)技術(shù)與試驗(yàn)機(jī);2002年Z2期

4 任昭蓉;滾動(dòng)軸承故障的小波診斷法[J];機(jī)械制造與自動(dòng)化;2004年06期

5 陸爽,田野;滾動(dòng)軸承故障特征識(shí)別的時(shí)頻分析研究[J];機(jī)床與液壓;2005年06期

6 江涌;基于余弦調(diào)頻小波變換的滾動(dòng)軸承故障研究[J];機(jī)械設(shè)計(jì)與制造;2005年06期

7 程光友;;時(shí)域指標(biāo)在滾動(dòng)軸承故障診斷中的應(yīng)用[J];中國(guó)設(shè)備工程;2005年12期

8 陳洪軍;趙新澤;王延軍;;滾動(dòng)軸承故障試驗(yàn)臺(tái)的理論建模分析[J];四川理工學(xué)院學(xué)報(bào)(自然科學(xué)版);2005年04期

9 李崇晟;滾動(dòng)軸承故障的非線性診斷方法[J];軸承;2005年05期

10 趙春華;嚴(yán)新平;趙新澤;袁成清;高虹亮;;滾動(dòng)軸承故障的可拓物元診斷方法[J];潤(rùn)滑與密封;2006年04期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前10條

1 張益純;;常見滾動(dòng)軸承故障診斷的技術(shù)探討[A];第十屆全國(guó)設(shè)備監(jiān)測(cè)與診斷技術(shù)學(xué)術(shù)會(huì)議論文集[C];2000年

2 劉玉林;;貨車滾動(dòng)軸承故障不分解診斷技術(shù)參數(shù)選擇與優(yōu)化探討[A];擴(kuò)大鐵路對(duì)外開放、確保重點(diǎn)物資運(yùn)輸——中國(guó)科協(xié)2005年學(xué)術(shù)年會(huì)鐵道分會(huì)場(chǎng)暨中國(guó)鐵道學(xué)會(huì)學(xué)術(shù)年會(huì)和粵海通道運(yùn)營(yíng)管理學(xué)術(shù)研討會(huì)論文集[C];2005年

3 楊積忠;左立建;;滾動(dòng)軸承故障診斷實(shí)例[A];設(shè)備監(jiān)測(cè)與診斷技術(shù)及其應(yīng)用——第十二屆全國(guó)設(shè)備監(jiān)測(cè)與診斷學(xué)術(shù)會(huì)議論文集[C];2005年

4 何斌;戚佳杰;;小波分析在滾動(dòng)軸承故障診斷中的應(yīng)用研究[A];第九屆全國(guó)振動(dòng)理論及應(yīng)用學(xué)術(shù)會(huì)議論文摘要集[C];2007年

5 李放寧;;峰值能量在滾動(dòng)軸承故障診斷中的應(yīng)用[A];第十屆全國(guó)設(shè)備監(jiān)測(cè)與診斷技術(shù)學(xué)術(shù)會(huì)議論文集[C];2000年

6 何斌;戚佳杰;;小波分析在滾動(dòng)軸承故障診斷中的應(yīng)用研究[A];第九屆全國(guó)振動(dòng)理論及應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2007年

7 張九軍;;常見滾動(dòng)軸承故障的簡(jiǎn)易診斷[A];2008年全國(guó)煉鐵生產(chǎn)技術(shù)會(huì)議暨煉鐵年會(huì)文集（上冊(cè)）[C];2008年

8 李興林;;滾動(dòng)軸承故障診斷技術(shù)現(xiàn)狀及發(fā)展[A];2009年全國(guó)青年摩擦學(xué)學(xué)術(shù)會(huì)議論文集[C];2009年

9 唐海峰;陳進(jìn);董廣明;;信號(hào)稀疏分解方法在滾動(dòng)軸承故障診斷中的應(yīng)用[A];第十二屆全國(guó)設(shè)備故障診斷學(xué)術(shù)會(huì)議論文集[C];2010年

10 高耀智;;高階統(tǒng)計(jì)量與小波分析相結(jié)合在滾動(dòng)軸承故障診斷中的應(yīng)用[A];2009年全國(guó)青年摩擦學(xué)學(xué)術(shù)會(huì)議論文集[C];2009年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 郝騰飛;航空發(fā)動(dòng)機(jī)滾動(dòng)軸承故障的核方法智能識(shí)別技術(shù)研究[D];南京航空航天大學(xué);2014年

2 于江林;滾動(dòng)軸承故障的非接觸聲學(xué)檢測(cè)信號(hào)特性及重構(gòu)技術(shù)研究[D];大慶石油學(xué)院;2009年

3 楊柳松;基于小波分析與神經(jīng)網(wǎng)絡(luò)滾動(dòng)軸承故障診斷方法的研究[D];東北林業(yè)大學(xué);2013年

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

5 趙協(xié)廣;基于小波變換和經(jīng)驗(yàn)?zāi)B(tài)分解的滾動(dòng)軸承故障診斷方法研究[D];山東科技大學(xué);2009年

6 侯者非;強(qiáng)噪聲背景下滾動(dòng)軸承故障診斷的關(guān)鍵技術(shù)研究[D];武漢理工大學(xué);2010年

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

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

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

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

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

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

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

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

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

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

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

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

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

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

10 段永強(qiáng);局部均值分解法在滾動(dòng)軸承故障自動(dòng)診斷中的應(yīng)用研究[D];電子科技大學(xué);2015年

，

本文編號(hào)：2129038