大数据统计趋势分析和PCA的滚动轴承早期故障诊断

论文摘要

针对短时、小样本数据下提取的特征对早期故障敏感度和故障演化过程稳定度低、信息冗余的问题,提出了大数据统计趋势分析和核主元分析方法(Principal component and analysis,PCA)的滚动轴承故障演化特征提取和早期故障诊断方法。采集滚动轴承正常状态到完全失效状态的全寿命振动数据,计算原始数据中不同故障严重程度下的时频统计特征,建立各个统计特征描述的故障演化趋势,分析各个统计特征描述的故障演化特性,初步选择能够敏感且稳定感知故障演化过程的统计特征集,利用PCA分析初选结果中各个统计特征间的相关性和贡献度,进一步剔除冗余特征,最终得到能全面表征故障演化过程的特征。最后,使用滚动轴承全寿命振动数据验证本文所提方法的有效性。实验结果证明,标准差、均值频率、标准差频率等特征能敏感地检测滚动轴承早期内环故障并稳定跟踪其演化过程。

论文目录

• 1 时频统计特征
• 2 故障演化特征提取
•   2.1 故障演化特征
•   2.2 特征对故障演化过程的稳定度和敏感度
•   2.3 基于PCA的冗余特征去除
•   2.4 故障演化特征提取
• 3 案例研究
• 4 结论

文章来源

类型: 期刊论文

作者: 常竞,温翔

关键词: 滚动轴承,大数据,早期故障诊断,时频统计分析

来源: 机械科学与技术 2019年05期

年度: 2019

分类: 工程科技Ⅱ辑

专业: 机械工业

单位: 四川财经职业学院,四川省计算机研究院

基金: 四川省科技厅重点研发项目(2016GZ0427)资助

分类号: TH133.33

DOI: 10.13433/j.cnki.1003-8728.20180208

页码: 721-729

总页数: 9

文件大小: 1334K

下载量: 450