發(fā)布時(shí)間：2021-01-31 10:37

　　針對局部特征尺度分解在滾動(dòng)軸承故障診斷中出現(xiàn)未篩選有效分量的問題,通過峭度-能量比準(zhǔn)則對LCD分解產(chǎn)生的內(nèi)稟尺度分量（ISC）進(jìn)行了篩選,提出了一種基于LCD分解與峭度-能量比準(zhǔn)則的方法。首先對采集的滾動(dòng)軸承振動(dòng)信號(hào)進(jìn)行了LCD分解,得到了不同能量的ISC分量,運(yùn)用峭度-能量比準(zhǔn)則篩選了有效的ISC分量;再計(jì)算了篩選后有效的ISC分量的能量熵和多尺度熵,并將計(jì)算的結(jié)果融合后構(gòu)建了特征向量;最后通過支持向量機(jī)（SVM）的故障分類器,實(shí)現(xiàn)了滾動(dòng)軸承的故障診斷。實(shí)驗(yàn)結(jié)果表明:采用峭度-能量比準(zhǔn)則提取有效分量減少了冗余分量,滾動(dòng)軸承內(nèi)圈故障和外圈故障診斷準(zhǔn)確率有了明顯提高。 

【文章來源】：機(jī)電工程. 2020,37(05)北大核心

【文章頁數(shù)】：5 頁

【部分圖文】：

LCD分解流程圖

LCD分解圖

計(jì)算滾動(dòng)軸承內(nèi)圈故障下的多尺度熵,如圖3所示。由于分解形成第1個(gè)模態(tài)具有的信息是最全面的,筆者選用第1個(gè)模態(tài)的多尺度熵。參考其他文獻(xiàn),筆者設(shè)定m=2,τ=20。

【參考文獻(xiàn)】：
期刊論文
[1]基于精細(xì)復(fù)合多尺度散布熵與支持向量機(jī)的滾動(dòng)軸承故障診斷方法[J]. 李從志,鄭近德,潘海洋,劉慶運(yùn).  中國機(jī)械工程. 2019(14)
[2]基于變分模態(tài)分解和符號(hào)熵的齒輪故障診斷方法[J]. 李梅紅,連威.  機(jī)械傳動(dòng). 2019(03)
[3]基于EMD近似熵的高壓斷路器故障診斷[J]. 王振浩,顧欣然,孫福軍.  高壓電器. 2018(10)
[4]基于LMD多尺度熵和LSSVM的往復(fù)壓縮機(jī)故障診斷方法研究[J]. 唐友福,林峰,鄒龍慶.  壓縮機(jī)技術(shù). 2018(04)
[5]基于LCD互近似熵和相關(guān)向量機(jī)的軸承故障診斷方法[J]. 譚晶晶,高峰,張前圖.  機(jī)械傳動(dòng). 2017(11)
[6]基于局部特征尺度分解與基本尺度熵的軸承故障診斷[J]. 朱良明,崔偉成.  機(jī)械傳動(dòng). 2017(09)
[7]基于多特征融合的GA-SVM齒輪故障診斷方法[J]. 趙國,李益兵,謝春啟.  數(shù)字制造科學(xué). 2017(03)
[8]基于LCD和倒頻譜齒輪箱故障診斷[J]. 叢蕊,曾張博,李洪標(biāo),蘇祥.  煤礦機(jī)械. 2017(04)
[9]EMD分解與多特征融合的齒輪故障診斷方法[J]. 秦波,劉永亮,王建國,張玉皓,常福.  機(jī)床與液壓. 2016(03)
[10]基于EMD熵特征融合的滾動(dòng)軸承故障診斷方法[J]. 向丹,岑健.  航空動(dòng)力學(xué)報(bào). 2015(05)



本文編號(hào)：3010700