振动、测试与诊断
振動、測試與診斷
진동、측시여진단
JOURNAL OF VIBRATION, MEASUREMENT & DIAGNOSIS
2013年
4期
706-711
,共6页
本征时间尺度分解%模糊熵%分形维数%故障诊断
本徵時間呎度分解%模糊熵%分形維數%故障診斷
본정시간척도분해%모호적%분형유수%고장진단
针对滚动轴承早期故障振动信号信噪比低、单一故障特征难以实现在整个复杂非线性状态空间上准确分类的局限,提出了基于本征时间尺度分解(intrinsic time-scale decomposition,简称ITD)和分形模糊熵的轴承早期故障智能诊断方法.首先,利用改进的ITD方法将包含大量背景噪声的非线性非平稳振动信号自适应地分解为不同频段的合理旋转(proper rotation,简称PR)分量；然后,提取蕴含故障信息的PR分量的分形维数和模糊熵,组成联合特征向量；最后,采用适合小样本模式识别的最小二乘支持矢量机(least squares support vectors machine,简称LSSVM)方法对故障类型进行分类.通过4种运行状态的滚动轴承实验表明,该方法能有效性地应用于滚动轴承早期故障智能诊断.
針對滾動軸承早期故障振動信號信譟比低、單一故障特徵難以實現在整箇複雜非線性狀態空間上準確分類的跼限,提齣瞭基于本徵時間呎度分解(intrinsic time-scale decomposition,簡稱ITD)和分形模糊熵的軸承早期故障智能診斷方法.首先,利用改進的ITD方法將包含大量揹景譟聲的非線性非平穩振動信號自適應地分解為不同頻段的閤理鏇轉(proper rotation,簡稱PR)分量；然後,提取蘊含故障信息的PR分量的分形維數和模糊熵,組成聯閤特徵嚮量；最後,採用適閤小樣本模式識彆的最小二乘支持矢量機(least squares support vectors machine,簡稱LSSVM)方法對故障類型進行分類.通過4種運行狀態的滾動軸承實驗錶明,該方法能有效性地應用于滾動軸承早期故障智能診斷.
침대곤동축승조기고장진동신호신조비저、단일고장특정난이실현재정개복잡비선성상태공간상준학분류적국한,제출료기우본정시간척도분해(intrinsic time-scale decomposition,간칭ITD)화분형모호적적축승조기고장지능진단방법.수선,이용개진적ITD방법장포함대량배경조성적비선성비평은진동신호자괄응지분해위불동빈단적합리선전(proper rotation,간칭PR)분량；연후,제취온함고장신식적PR분량적분형유수화모호적,조성연합특정향량；최후,채용괄합소양본모식식별적최소이승지지시량궤(least squares support vectors machine,간칭LSSVM)방법대고장류형진행분류.통과4충운행상태적곤동축승실험표명,해방법능유효성지응용우곤동축승조기고장지능진단.
