ELMD与排列熵在滚动轴承故障诊断中的应用

发布时间：2017-06-21 02:03

  本文关键词：ELMD与排列熵在滚动轴承故障诊断中的应用，，由笔耕文化传播整理发布。

【摘要】：针对轴承故障信号往往被强背景噪声淹没,采用传统包络解调方法难以提取故障特征的问题,提出总体局部均值分解(ensemble local mean decomposition,ELMD)与排列熵(permutation entropy,PE)相结合的轴承故障诊断方法。首先,对轴承振动信号进行ELMD分解并得到一系列窄带乘积函数(product function,PF),然后,计算各PF分量排列熵以构造高维特征向量,最后将高维特征向量作为多故障分类器的输入来识别轴承故障类型。实验结果表明ELMD方法可以有效地抑制模态混叠;PF分量的排列熵分布可以反应轴承不同工作状态下的信号特征;基于ELMD与排列熵的智能诊断方法可以准确地识别轴承的工作状态和故障类型。
【作者单位】： 包头职业技术学院;内蒙古科技大学机械工程学院;
【关键词】： 排列熵 总体局部均值分解 高维特征向量 模态混叠 故障诊断
【基金】：国家自然科学基金资助项目(51565046) 内蒙古自然科学基金资助项目(2015MS0512) 内蒙古高等学校科学研究资助项目(NJZY146)
【分类号】：TH133.33
【正文快照】： 014010)0引言轴承是旋转机械中最易损坏的机械零部件之一,很多机械故障都和轴承工作状态密切相关。因此,能否快速、精准、容易地检测出轴承故障的存在和严重程度对于保持轴承安全可靠地运行和减少设备停机成本意义重大[1]。由于加载,摩擦,刚度的影响,轴承故障振动信号往往呈现

  本文关键词：ELMD与排列熵在滚动轴承故障诊断中的应用，由笔耕文化传播整理发布。

本文编号：467377