变分模态分解消噪与核模糊C均值聚类相结合的滚动轴承故障识别方法

发布时间：2017-06-25 15:07

  本文关键词：变分模态分解消噪与核模糊C均值聚类相结合的滚动轴承故障识别方法，，由笔耕文化传播整理发布。

【摘要】：提出了一种变分模态分解消噪与核模糊C均值聚类相结合的滚动轴承故障识别方法。首先,对实测振动信号进行处理,得到VMD的参数;然后,对信号进行VMD分解,得到一系列限带内禀模态函数(BIMF)分量,筛选并叠加组成重构信号;第三步,计算重构信号的样本熵和均方根值作为特征向量,从而得到训练样本和测试样本的特征向量集;第四步,通过KFCM聚类方法对训练样本特征向量集进行聚类分析,得到四种类型信号的聚类中心;最后根据测试样本特征向量与训练样本聚类中心欧式距离最小的原则识别故障类型。此外,将振动信号用经验模态分解(EMD)方法进行消噪,再用KFCM聚类进行分类识别,将两种方法的识别效果进行对比,结果表明所提方法的故障识别效果要优于EMD消噪和KFCM聚类相结合方法的识别效果。
【作者单位】： 燕山大学河北省重型机械流体动力传输与控制重点实验室;先进锻压成形技术与科学教育部重点实验室;郑州中车四方轨道车辆有限公司;
【关键词】： 变分模态分解 核模糊C均值聚类 样本熵 故障识别
【基金】：国家自然科学基金资助项目(51475405) 国家重点基础研究发展计划(973计划)资助项目(2014CB046405) 河北省自然科学基金资助项目(E2013203161) 河北省研究生创新资助项目(00302-6370002)
【分类号】：TH133.33
【正文快照】： 0引言滚动轴承被广泛应用于旋转机械设备中,它的健康状态直接影响着整台设备甚至是整个机组的运行状态,如果发生故障有可能导致严重的后果,因此,对滚动轴承的在线监测及故障诊断具有十分重要的意义[1]。由于受噪声、结构形变等因素影响,滚动轴承在发生故障时其振动信号往往表

【相似文献】

中国期刊全文数据库 前2条

1 潘玉娜;韩捷;李志农;;旋转机械诊断中的矢功率谱-模糊C均值聚类方法[J];汽轮机技术;2006年03期

2 ;[J];;年期

中国重要会议论文全文数据库 前1条

1 王启志;王晓霞;;基于模糊C均值聚类的故障诊断[A];2008中国仪器仪表与测控技术进展大会论文集（Ⅲ）[C];2008年

  本文关键词：变分模态分解消噪与核模糊C均值聚类相结合的滚动轴承故障识别方法，由笔耕文化传播整理发布。

本文编号：482538