本文關(guān)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(guān)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(jī)械設(shè)備損傷的主要原因之一,其產(chǎn)生的振動信號具有微弱、非平穩(wěn)和非線性的特點(diǎn)。針對不能準(zhǔn)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(jìn)行小波包分解得到多尺度信號,再將每一個多尺度信號進(jìn)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(zhì)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(guān)函數(shù)進(jìn)行時頻聚集處理,使信號的能量均勻分布;針對不能準(zhǔn)確的挖掘非線性數(shù)據(jù)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(shù)據(jù)局部鄰域關(guān)系,可以準(zhǔn)確的挖掘非線性數(shù)據(jù)的主流形。文中分別采用四組正常、內(nèi)圈故障、滾珠故障和外圈故障信號作為原始數(shù)據(jù)來驗(yàn)證該方法的有效性,實(shí)驗(yàn)結(jié)果證明該方法能有效地對信號故障進(jìn)行分離和識別。
【作者單位】： 湖南科技大學(xué)機(jī)械設(shè)備健康維護(hù)湖南省重點(diǎn)實(shí)驗(yàn)室;
【基金】：國家自然科學(xué)基金項(xiàng)目(51575178;11572125)
【分類號】：TH133.3
【正文快照】： 隨著制造業(yè)的發(fā)展,機(jī)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(nèi)外的廣泛關(guān)注,能否準(zhǔn)確的從軸承故障信號中提取出準(zhǔn)確的特征參數(shù),是軸承故障診斷的，

本文編號：1300027