圆柱滚子轴承振动信号时频特征提取及状态识别

作     者：刘湘楠 赵学智 何宽芳 LIU Xiang-nan;ZHAO Xue-zhi;HE Kuan-fang

作者机构：华南理工大学机械与汽车工程学院广东广州510641 佛山科技学院机电工程与自动化学院广东佛山528225 

出 版 物：《振动工程学报》 (Journal of Vibration Engineering)

年 卷 期：2022年第35卷第4期

页      面：932-941页

核心收录：

学科分类：0711[理学-系统科学] 07[理学] 080202[工学-机械电子工程] 08[工学] 0802[工学-机械工程] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 071102[理学-系统分析与集成] 081103[工学-系统工程] 

基　　金：国家自然科学基金资助项目(11202128) 广东省自然科学基金资助项目(2019A1515011780) 

主　　题：故障诊断 滚子轴承 特征提取 支持向量机 状态识别 

摘      要：为深入研究变工况下滚动轴承故障特征信息提取及状态识别方法,分别以圆柱滚子轴承三种典型状态件(轴承正常、外圈磨损、滚动体磨损)为研究对象,开展变工况下的圆柱滚子轴承振动信号特性分析。搭建了某型特种车辆变速箱圆柱滚子轴承实验台架,通过实验台架采集了不同输入转速作用下的圆柱滚子轴承故障振动信号。在此基础上,采用广义S变换(Generalized Stockwell Transform,GST)对原始振动信号进行时频域转换,将获得的二维时频矩阵作为特征矩阵;对特征矩阵进行奇异值分解(Singular Value Decomposition,SVD),获得表征圆柱滚子轴承典型状态件特征信息的奇异值向量组;将提取的奇异值向量组输入支持向量机(Support Vector Machine,SVM),利用SVM实现圆柱滚子轴承不同状态类型识别。结果表明:该方法可有效实现变工况下圆柱滚子轴承振动信号特征信息提取及状态识别,为旋转机械设备在线监测提供了一种有效手段。