列车轴箱轴承在途鲁棒可视化故障诊断方法

摘要：

为使列车轴箱轴承在非平稳工况下的故障识别更加有效,本文提出基于融合相关熵特征的鲁棒可视化滚动轴承故障诊断方法.通过快速集成经验模态分解FEEMD对轴承振动信号进行时频分解,提取本征模函数IMF矩阵;计算IMF与原始信号的线性相关系LCC作为相关熵的调幅系数,进而通过相关统计计算获得样本集的多维相关熵矩阵CM;利用主元分析PCA对CM进行数据空间变换,通过提取变换后的融合相关熵矩阵ICM,实现相关熵矩阵的可视化.通过实验分别提取匀加速、匀速及匀减速3种运行工况下的滚动轴承ICM特征,通过对比EMD、EEMD和FEEMD 3种信号分解方法,发现FEEMD的信号分解效率更高,且ICM比传统特征对非平稳工况下轴承故障辨识的鲁棒性更好.FEEMD-ICM为轴箱轴承快速、客观且稳定的故障诊断实现提供了可靠的理论依据和技术支持.

关键词：快速经验模态分解、融合相关熵矩阵、主成分分析、滚动轴承、可视化、故障诊断

所属期刊栏目：40

分类号：U260.3312(机车工程)

资助基金：国家重点研发计划2016YFB1200402-002;轨道交通控制与安全国家重点实验室自主研究课题RSC2016ZT006

在线出版日期：2019-04-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：38-45