基于LCD与峭度-能量比准则的滚动轴承故障诊断研究

发布时间：2021-01-31 10:37

　　针对局部特征尺度分解在滚动轴承故障诊断中出现未筛选有效分量的问题,通过峭度-能量比准则对LCD分解产生的内禀尺度分量（ISC）进行了筛选,提出了一种基于LCD分解与峭度-能量比准则的方法。首先对采集的滚动轴承振动信号进行了LCD分解,得到了不同能量的ISC分量,运用峭度-能量比准则筛选了有效的ISC分量;再计算了筛选后有效的ISC分量的能量熵和多尺度熵,并将计算的结果融合后构建了特征向量;最后通过支持向量机（SVM）的故障分类器,实现了滚动轴承的故障诊断。实验结果表明:采用峭度-能量比准则提取有效分量减少了冗余分量,滚动轴承内圈故障和外圈故障诊断准确率有了明显提高。 

【文章来源】：机电工程. 2020,37(05)北大核心

【文章页数】：5 页

【部分图文】：

LCD分解流程图

LCD分解图

计算滚动轴承内圈故障下的多尺度熵,如图3所示。由于分解形成第1个模态具有的信息是最全面的,笔者选用第1个模态的多尺度熵。参考其他文献,笔者设定m=2,τ=20。

【参考文献】：
期刊论文
[1]基于精细复合多尺度散布熵与支持向量机的滚动轴承故障诊断方法[J]. 李从志,郑近德,潘海洋,刘庆运.  中国机械工程. 2019(14)
[2]基于变分模态分解和符号熵的齿轮故障诊断方法[J]. 李梅红,连威.  机械传动. 2019(03)
[3]基于EMD近似熵的高压断路器故障诊断[J]. 王振浩,顾欣然,孙福军.  高压电器. 2018(10)
[4]基于LMD多尺度熵和LSSVM的往复压缩机故障诊断方法研究[J]. 唐友福,林峰,邹龙庆.  压缩机技术. 2018(04)
[5]基于LCD互近似熵和相关向量机的轴承故障诊断方法[J]. 谭晶晶,高峰,张前图.  机械传动. 2017(11)
[6]基于局部特征尺度分解与基本尺度熵的轴承故障诊断[J]. 朱良明,崔伟成.  机械传动. 2017(09)
[7]基于多特征融合的GA-SVM齿轮故障诊断方法[J]. 赵国,李益兵,谢春启.  数字制造科学. 2017(03)
[8]基于LCD和倒频谱齿轮箱故障诊断[J]. 丛蕊,曾张博,李洪标,苏祥.  煤矿机械. 2017(04)
[9]EMD分解与多特征融合的齿轮故障诊断方法[J]. 秦波,刘永亮,王建国,张玉皓,常福.  机床与液压. 2016(03)
[10]基于EMD熵特征融合的滚动轴承故障诊断方法[J]. 向丹,岑健.  航空动力学报. 2015(05)



本文编号：3010700