点击次数：

论文类型：期刊论文

发表时间：2018-06-08

发表刊物：机械设计与制造

期号：6

页面范围：118-121

ISSN号：1001-3997

关键字：滚动轴承;总体局部均值分解;模糊熵;GK聚类;故障诊断

摘要：针对滚动轴承故障振动信号的非平稳、非线性特性,采用一种基于总体局部均值分解(Ensemble Local Mean Decomposition,ELMD)模糊熵和GK(Gustafson-Kessell)聚类的滚动轴承故障诊断方法.首先通过对滚动轴承故障振动信号进行ELMD分解,得到若干的乘积函数(Product Function,PF)分量和一个残差.然后,通过PF分量和原始轴承故障信号的相关性分析,选取与原始信号相关性最大的PF分量,并求取PF分量的模糊熵值作为特征向量.最终,通过GK聚类对所得的特征向量进行识别分类.通过对滚动轴承正常状态、内圈故障、滚动体故障和外圈故障的轴承四种状态分析表明,基于ELMD模糊熵和GK聚类的方法能够准确有效的对轴承故障状态进行分类识别.