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

【文章來源】：機電工程. 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

計算滾動軸承內圈故障下的多尺度熵,如圖3所示。由于分解形成第1個模態(tài)具有的信息是最全面的,筆者選用第1個模態(tài)的多尺度熵。參考其他文獻,筆者設定m=2,τ=20。

【參考文獻】：
期刊論文
[1]基于精細復合多尺度散布熵與支持向量機的滾動軸承故障診斷方法[J]. 李從志,鄭近德,潘海洋,劉慶運.  中國機械工程. 2019(14)
[2]基于變分模態(tài)分解和符號熵的齒輪故障診斷方法[J]. 李梅紅,連威.  機械傳動. 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的往復壓縮機故障診斷方法研究[J]. 唐友福,林峰,鄒龍慶.  壓縮機技術. 2018(04)
[5]基于LCD互近似熵和相關向量機的軸承故障診斷方法[J]. 譚晶晶,高峰,張前圖.  機械傳動. 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.  機械傳動. 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. 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,蘇祥.  煤礦機械. 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.  機床與液壓. 2016(03)
[10]基于EMD熵特征融合的滾動軸承故障診斷方法[J]. 向丹,岑健.  航空動力學報. 2015(05)



本文編號：3010700