基于ITD分形模糊熵的轴承早期故障诊断

作     者：罗颂荣 程军圣 郑近德 

作者机构：湖南文理学院机械工程学院常德415000 湖南大学机械与运载工程学院长沙410082 

出 版 物：《振动．测试与诊断》 (Journal of Vibration,Measurement & Diagnosis)

年 卷 期：2013年第33卷第4期

页      面：706-711,730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] 080401[工学-精密仪器及机械] 0804[工学-仪器科学与技术] 080402[工学-测试计量技术及仪器] 0802[工学-机械工程] 

基　　金：国家自然科学基金资助项目(51075131) 湖南省"十二五"重点建设学科(机械设计及理论)资助项目(湘教发2011) 

主　　题：本征时间尺度分解 模糊熵 分形维数 故障诊断 

摘      要：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。