10.13465/j.cnki.jvs.2022.06.008
一种新的图谱域滚动轴承早期故障检测与识别方法
健康状态在线诊断是保证滚动轴承可靠运行的重要手段.局部均值分解(local mean decomposition,LMD)作为一种自适应分解方法,其分解得到的分量信号可对非平稳信号进行多尺度描述,但其分解得到的分量信号往往存在数据量过大,难以直接从中获取早期微弱故障特征等问题.为了解决上述问题,该研究提出了一种新的图谱域滚动轴承早期故障检测与识别方法.首先利用局部均值分解,将滚动轴承振动信号分解到多个尺度,在此基础上采用图论方法对振动信号进行动态建模;计算相邻模型间的相似性建立起动态特性的量化指标,依据拉依达准则对早期故障进行检测决策;最后采用模式分类方法实现故障类型的识别.该方法分别在XJTU-SY和美国凯斯西储大学(CWRU)数据集上进行试验验证.结果表明,该方法能够有效实现滚动轴承的早期故障检测与识别的任务.
滚动轴承、早期故障检测、故障诊断、图建模、局部均值分解(LMD)
41
TP206.3(自动化技术及设备)
山东省自然科学基金2018JC010
2022-04-07(万方平台首次上网日期,不代表论文的发表时间)
共9页
51-59