基于模糊聚类法的滚动轴承故障诊断研究

发布时间：2021-05-16 20:25

　　由于滚动轴承振动信号的非线性特点,及其在工作状态下从正常到出现故障属于一个渐变的过程,且这个过程含有模糊性,故提出一种基于模糊聚类的故障诊断方法。该方法主要是将滚动轴承在工作状态下（即正常状态、内圈故障和外圈故障等不同模式）的振动信号特征值组成一个特征矩阵X,其中,该特征值主要包括最大值、均值、方差、标准差、峭度因子、均方根、脉冲因子等;随后,将该特征矩阵X利用模糊聚类分析算法构成模糊相似矩阵R,以及具有传递性的模糊等价矩阵R*;最后,通过模糊等价矩阵R*聚类转化得到最终分类的结果,实现故障诊断。研究结果表明:该算法能够准确地判断出滚动轴承属于何种工作状态,能有效提高滚动轴承故障诊断的精度与诊断效率。 

【文章来源】：自动化应用. 2020,(06)

【文章页数】：3 页

【文章目录】：
0 引言
1 滚动轴承的振动信号类型
2 滚动轴承的振动信号特征参数选择
3 模糊聚类法的基本流程
    3.1 数据标准化
    3.2 建立模糊相似矩阵
    3.3 建立模糊等价矩阵
4 实验分析
5 结论


【参考文献】：
期刊论文
[1]基于模糊聚类方法的S700K转辙机故障诊断[J]. 刘新发,魏文军.  中南大学学报(自然科学版). 2019(09)
[2]电机振动信号的模糊聚类分析与故障诊断[J]. 郝少鹏,张雨果,胡俊,岳景辉,余峰,申志泽.  科技与创新. 2019(09)
[3]基于二值双谱和模糊聚类的风电轴承故障诊断[J]. 程静,王维庆,樊小朝,王海云.  振动.测试与诊断. 2018(04)
[4]基于FVMD多尺度排列熵和GK模糊聚类的故障诊断[J]. 陈东宁,张运东,姚成玉,孙飞,周能元.  机械工程学报. 2018(14)
[5]基于改进模糊聚类算法的变压器油色谱分析[J]. 李恩文,王力农,宋斌,方雅琪.  电工技术学报. 2018(19)
[6]小波分析-模糊聚类法用于滚动轴承故障诊断[J]. 崔宝珍,王泽兵,潘宏侠.  振动、测试与诊断. 2008(02)



本文编号：3190344