基于CEEMDAN和排列熵的滚动轴承故障诊断方法

论文摘要

针对滚动轴承振动信号非线性和非平稳性等特征影响故障类型及严重程度识别准确性的问题,提出了一种基于完整的自适应噪声集成经验模态分解和排列熵的故障特征提取方法,并结合支持向量机自动分类识别的功能形成了一种高效准确的智能故障诊断方法。首先,将振动信号分解为一系列的本征模态函数;然后,计算前n个IMF的排列熵值并形成一个多尺度的特征矩阵;最后,通过粒子群寻优的支持向量机对该特征矩阵进行模式识别,诊断出轴承振动信号所对应的故障类型及故障严重程度。试验数据分析表明,该方法能有效识别滚动轴承振动信号中隐藏的故障状态,准确率高且稳定性好。

论文目录

• 1 CEEMDAN原理
•   1)在原始信号x中加入Ek（w（i））,即
•   2)利用EMD计算x（i）的局部均值,得到第1个残差r1
•   3)计算第1个IMF得
•   4)分解r1+β1E2（w（i））并定义第2个IMF,即
•   5)计算第k个残差rk
•   6)获得第k个IMF
•   7)重复第5和第6步,直到R满足终止条件
• 2 PE原理
• 3 故障诊断机理
• 4 试验验证
•   4.1 西储大学数据验证
•   4.2 自建试验台数据验证
• 5 结束语

文章来源

类型: 期刊论文

作者: 白丽丽,韩振南,任家骏,秦晓峰

关键词: 滚动轴承,故障诊断,排列熵

来源: 轴承 2019年11期

年度: 2019

分类: 工程科技Ⅱ辑,信息科技

专业: 机械工业,自动化技术

单位: 太原理工大学机械工程学院

基金: 国家自然科学基金项目(50775157,51805355),山西省基础研究项目(2012011012-1)

分类号: TH133.33;TP181

DOI: 10.19533/j.issn1000-3762.2019.11.014

页码: 54-59

总页数: 6

文件大小: 1296K

下载量: 283