基于MRSSD与MSDE的滑动轴承故障诊断方法

发布时间：2021-05-07 13:21

　　针对往复压缩机轴承振动信号强烈的非平稳、非线性的特点,提出了一种基于多重共振稀疏分解（MRSSD）与多尺度符号动力学熵（MSDE）相结合的往复压缩机滑动轴承故障诊断方法。首先,设置高、低品质因子的取值范围,求出能表示故障冲击成分的低品质因子值,对信号进行共振稀疏分解,形成高、低共振分量;然后,根据高共振分量的峭度值评定分解结果,峭度值小于设定阈值时改变高品质因子值,继续对低共振分量进行共振稀疏分解,峭度值大于设定阈值时终止分解;最后,计算最终所得低共振分量的多尺度符号动力学熵,构造故障特征向量,并利用支持向量机进行故障特征识别。试验结果表明,该方法可以逐步降低干扰成分的影响,有效诊断往复压缩机滑动轴承故障,与基于遗传算法优化品质因子的共振稀疏分解和多尺度排列熵（MPE）相结合的方法相比,故障识别率显著提高。 

【文章来源】：轴承. 2020,(09)北大核心

【文章页数】：7 页

【文章目录】：
1 多重信号共振稀疏分解
    1.1 信号共振稀疏分解
    1.2 多重共振稀疏分解
2 多尺度符号动力学熵及参数设置
    2.1 多尺度符号动力学熵
    2.2 参数设置
3 往复压缩机故障特征提取试验
    3.1 试验背景
    3.2 多重共振稀疏分解及特征提取
    3.3 故障识别结果对比分析
4 结论


【参考文献】：
期刊论文
[1]基于多尺度排列熵的自调心双列滚动轴承故障诊断[J]. 仲太生,罗素萍.  机械设计与制造工程. 2018(12)
[2]基于VMD共振稀疏分解的滚动轴承故障诊断[J]. 杨伟,王红军.  电子测量与仪器学报. 2018(09)
[3]基于字典学习形态分量分析的轴承故障诊断[J]. 吴洋,郝如江,李非.  石家庄铁道大学学报(自然科学版). 2018(02)
[4]采用品质因子优化和子带重构的共振稀疏分解滚动轴承故障诊断方法[J]. 陈保家,汪新波,严文超,田红亮,肖文荣,陈法法,刘浩涛.  西安交通大学学报. 2018(04)
[5]基于最优品质因子信号共振稀疏分解的滚动轴承故障诊断[J]. 李星,于德介,张顶成.  振动工程学报. 2015(06)
[6]基于信号共振稀疏分解与包络谱的齿轮故障诊断[J]. 张文义,于德介,陈向民.  中国机械工程. 2013(24)
[7]符号动力学信息熵在气液两相流型电导信号分析中的应用[J]. 李洪伟,周云龙,任素龙,杨悦.  化工学报. 2012(11)



本文编号：3173465