一种IMAE和IDHT的轴承故障识别新方法应用研究

作     者：贺高锋 冯利军 HE Gaofeng;FENG Lijun

作者机构：山西工程技术学院机械工程系山西阳泉045000 

出 版 物：《噪声与振动控制》 (Noise and Vibration Control)

年 卷 期：2025年第45卷第1期

页      面：146-151,196页

核心收录：

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 080201[工学-机械制造及其自动化] 

基　　金：山西省青年科学研究资助项目(202203021212477) 

主　　题：故障诊断 轴承 改进多尺度注意熵 IDHT 

摘      要：为了提高故障识别精度,提出一种改进多尺度注意熵(Improved Multi-scale Attention Entropy,IMAE)和改进自组织分裂分层Voronoi细分(Improved Self-organizing Divisive Hierarchical Voronoi Tessellation,IDHT)分类器的轴承故障诊断新方法。首先,针对注意熵(Attention Entropy,AE)的缺陷,提出改进多尺度注意熵(IMAE);随后,采用IMAE对原始振动信号进行特征提取;其次,采用奇异值分解(Singular Value Decomposition,SVD)对特征向量进行降维操作;最后,针对自组织分裂分层Voronoi细分(Self-organizing Divisive Hierarchical Voronoi Tessellation,DHT)分类器的缺陷,基于Pearson相关系数对加权马氏距离(Weighted Mahalanobis Distance,WMD)进行改进,形成改进加权马氏距离(Improved Weighted Mahalanobis Distance,IWMD);并利用IWMD的优势对DHT分类器进行改进,形成IDHT分类器。为了测试所提新方法的准确性与有效性,采用试验台数据进行分析;通过分析发现其平均故障识别准确率高达98.533%。同时,为了验证所提方法的优越性,将其与8种故障模型进行对比,结果表明:采用所提新方法进行故障识别使正确率提高0.39%~8.06%。