基于多尺度形态分解谱熵的电机轴承预测特征提取及退化状态评估
Motor bearing forecast feature extracting and degradation status identification based on multi-scale morphological decomposition spectral entropy作者机构:军械工程学院石家庄050003
出 版 物:《振动与冲击》 (Journal of Vibration and Shock)
年 卷 期:2013年第32卷第22期
页 面:124-128,139页
核心收录:
学科分类:11[军事学] 0810[工学-信息与通信工程] 1105[军事学-军队指挥学] 1002[医学-临床医学] 080202[工学-机械电子工程] 08[工学] 0805[工学-材料科学与工程(可授工学、理学学位)] 0802[工学-机械工程] 081002[工学-信号与信息处理] 110503[军事学-军事通信学] 0801[工学-力学(可授工学、理学学位)] 0702[理学-物理学]
主 题:电机 轴承 性能退化 多尺度形态分解 谱熵 灰色关联分析
摘 要:由于预测特征提取与退化状态评估直接关系故障预测可信性,结合数学形态学与信息熵理论,针对电机滚动轴承,提出基于多尺度形态分解谱熵的预测特征提取方法,用灰色关联分析对退化状态进行评估。对不同损伤程度轴承振动信号进行多尺度形态分解,分别计算其在不同尺度域内的复杂性度量能谱熵、奇异谱熵,以其作为预测特征向量。建立标准退化模式矩阵,对待检测样本信号特征向量与标准模式进行灰色关联分析,据关联度大小对样本信号退化状态进行评估。并仿真与实例数据验证该方法对电机轴承退化状态评估的有效性。