由于滾動軸承振動信號的非線性特點,及其在工作狀態(tài)下從正常到出現(xiàn)故障屬于一個漸變的過程,且這個過程含有模糊性,故提出一種基于模糊聚類的故障診斷方法。該方法主要是將滾動軸承在工作狀態(tài)下（即正常狀態(tài)、內(nèi)圈故障和外圈故障等不同模式）的振動信號特征值組成一個特征矩陣X,其中,該特征值主要包括最大值、均值、方差、標(biāo)準(zhǔn)差、峭度因子、均方根、脈沖因子等;隨后,將該特征矩陣X利用模糊聚類分析算法構(gòu)成模糊相似矩陣R,以及具有傳遞性的模糊等價矩陣R*;最后,通過模糊等價矩陣R*聚類轉(zhuǎn)化得到最終分類的結(jié)果,實現(xiàn)故障診斷。研究結(jié)果表明:該算法能夠準(zhǔn)確地判斷出滾動軸承屬于何種工作狀態(tài),能有效提高滾動軸承故障診斷的精度與診斷效率。 

【文章來源】：自動化應(yīng)用. 2020,(06)

【文章頁數(shù)】：3 頁

【文章目錄】：
0 引言
1 滾動軸承的振動信號類型
2 滾動軸承的振動信號特征參數(shù)選擇
3 模糊聚類法的基本流程
    3.1 數(shù)據(jù)標(biāo)準(zhǔn)化
    3.2 建立模糊相似矩陣
    3.3 建立模糊等價矩陣
4 實驗分析
5 結(jié)論


【參考文獻(xiàn)】：
期刊論文
[1]基于模糊聚類方法的S700K轉(zhuǎn)轍機(jī)故障診斷[J]. 劉新發(fā),魏文軍.  中南大學(xué)學(xué)報(自然科學(xué)版). 2019(09)
[2]電機(jī)振動信號的模糊聚類分析與故障診斷[J]. 郝少鵬,張雨果,胡俊,岳景輝,余峰,申志澤.  科技與創(chuàng)新. 2019(09)
[3]基于二值雙譜和模糊聚類的風(fēng)電軸承故障診斷[J]. 程靜,王維慶,樊小朝,王海云.  振動.測試與診斷. 2018(04)
[4]基于FVMD多尺度排列熵和GK模糊聚類的故障診斷[J]. 陳東寧,張運東,姚成玉,孫飛,周能元.  機(jī)械工程學(xué)報. 2018(14)
[5]基于改進(jìn)模糊聚類算法的變壓器油色譜分析[J]. 李恩文,王力農(nóng),宋斌,方雅琪.  電工技術(shù)學(xué)報. 2018(19)
[6]小波分析-模糊聚類法用于滾動軸承故障診斷[J]. 崔寶珍,王澤兵,潘宏俠.  振動、測試與診斷. 2008(02)



本文編號：3190344