基于双时域微弱故障特征增强的轴承早期故障智能识别
针对轴承早期微弱故障难以准确识别的问题,提出一种基于双时域微弱故障特征增强的轴承早期故障智能识别方法。利用广义S变换和Fourier逆变换推导出一种双时域变换,将轴承振动信号变换为双时域二维时间序列。根据双时域变换的能量分布特点,提取二维时间序列的主对角元素以构建故障特征增强的时域振动信号。仿真信号和轴承故障信号分析验证了双时域微弱故障特征增强的可行性和有效性。采用脉冲耦合神经网络和支持向量机对增强后的轴承信号进行时频特征参数提取和智能识别,平均识别精度达到了95.4%。试验结果表明所提方法能有效提高轴承早期故障的智能识别精度。
滚动轴承、早期故障诊断、双时域变换、脉冲耦合神经网路
52
TN911;TH113
国家自然科学基金资助项目E51205405,51305454
2016-12-12(万方平台首次上网日期,不代表论文的发表时间)
共8页
96-103