改进LMD和排列熵的滚动轴承故障诊断 |
| |
引用本文: | 李巧艺,单奇,陈跃威,叶运广.改进LMD和排列熵的滚动轴承故障诊断[J].机械设计与制造,2018(4). |
| |
作者姓名: | 李巧艺 单奇 陈跃威 叶运广 |
| |
作者单位: | 西南交通大学机械工程学院 |
| |
摘 要: | 针对滚动轴承故障振动信号的复杂特性和局部均值分解(Local Mean Decomposition,LMD)方法存在的端点效应问题,提出了基于振动信号自相似性对左右端点两侧延拓来抑制端点效应问题的改进LMD、排列熵(Permutation Entropy,PE)及优化K-均值聚类算法相结合的轴承故障诊断方法。首先通过改进LMD将非线性、非平稳的原始故障振动信号分解出一系列的乘积函数(Production Function,PF)分量,对包含主要故障信息的PF分量提取PE值作为故障特征分量,在提取特征量的基础上,最后采用优化后的K-均值聚类算法对故障类型进行识别分类。将该方法应用在滚动轴承实验数据,实验结果表明该方法可以准确、有效的实现滚动轴承的故障诊断。
|
关 键 词: | 改进的局部均值分解 排列熵 端点效应 自相似性 滚动轴承 故障诊断 |
Fault Diagnosis of Rolling Bearing Based on the Improved LMD and Permutation Entropy |
| |
Abstract: | |
| |
Keywords: | |
本文献已被 CNKI 等数据库收录! |
|