本文關鍵詞：變分模態(tài)分解消噪與核模糊C均值聚類相結合的滾動軸承故障識別方法，，由筆耕文化傳播整理發(fā)布。

【摘要】：提出了一種變分模態(tài)分解消噪與核模糊C均值聚類相結合的滾動軸承故障識別方法。首先,對實測振動信號進行處理,得到VMD的參數(shù);然后,對信號進行VMD分解,得到一系列限帶內稟模態(tài)函數(shù)(BIMF)分量,篩選并疊加組成重構信號;第三步,計算重構信號的樣本熵和均方根值作為特征向量,從而得到訓練樣本和測試樣本的特征向量集;第四步,通過KFCM聚類方法對訓練樣本特征向量集進行聚類分析,得到四種類型信號的聚類中心;最后根據(jù)測試樣本特征向量與訓練樣本聚類中心歐式距離最小的原則識別故障類型。此外,將振動信號用經驗模態(tài)分解(EMD)方法進行消噪,再用KFCM聚類進行分類識別,將兩種方法的識別效果進行對比,結果表明所提方法的故障識別效果要優(yōu)于EMD消噪和KFCM聚類相結合方法的識別效果。
【作者單位】： 燕山大學河北省重型機械流體動力傳輸與控制重點實驗室;先進鍛壓成形技術與科學教育部重點實驗室;鄭州中車四方軌道車輛有限公司;
【關鍵詞】： 變分模態(tài)分解 核模糊C均值聚類 樣本熵 故障識別
【基金】：國家自然科學基金資助項目(51475405) 國家重點基礎研究發(fā)展計劃(973計劃)資助項目(2014CB046405) 河北省自然科學基金資助項目(E2013203161) 河北省研究生創(chuàng)新資助項目(00302-6370002)
【分類號】：TH133.33
【正文快照】： 0引言滾動軸承被廣泛應用于旋轉機械設備中,它的健康狀態(tài)直接影響著整臺設備甚至是整個機組的運行狀態(tài),如果發(fā)生故障有可能導致嚴重的后果,因此,對滾動軸承的在線監(jiān)測及故障診斷具有十分重要的意義[1]。由于受噪聲、結構形變等因素影響,滾動軸承在發(fā)生故障時其振動信號往往表

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前2條

1 潘玉娜;韓捷;李志農;;旋轉機械診斷中的矢功率譜-模糊C均值聚類方法[J];汽輪機技術;2006年03期

2 ;[J];;年期

中國重要會議論文全文數(shù)據(jù)庫 前1條

1 王啟志;王曉霞;;基于模糊C均值聚類的故障診斷[A];2008中國儀器儀表與測控技術進展大會論文集（Ⅲ）[C];2008年

  本文關鍵詞：變分模態(tài)分解消噪與核模糊C均值聚類相結合的滾動軸承故障識別方法，由筆耕文化傳播整理發(fā)布。

本文編號：482538