基于EMD和优化K-均值聚类算法诊断滚动轴承故障

• 作者: 郭艳平 颜文俊
• 来源期刊: 计算机应用研究
• 关键词: 滚动轴承 故障诊断 故障程度 EMD K-均值聚类
• 年，卷（期）: 2012,（7）
• 所属期刊栏目: 系统应用开发
• 页码范围: 2555-2557
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2012.07.041

摘要

考虑到滚动轴承振动信号的非平稳特征和实际应用中典型故障样本不易获得等原因,而在实际应用中,故障程度识别和故障类型诊断一样重要,提出一种滚动轴承故障类型及故障程度识别方法.首先对原始振动信号进行EMD分解,对含故障特征的IMF( intrinsic mode function)分量进行信号重构,随后对重构信号进行Hilbert包络谱分析,在提取特征量的基础上,应用优化K-均值聚类算法进行故障类型和故障程度分类.实验结果表明:基于EMD和优化K-均值聚类的故障类型和故障程度识别算法,可将含不同故障类型的样本集,按故障类型进行正确分类;也可将含同种故障类型、不同故障程度的样本集,按故障程度进行正确分类.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	颜文俊	浙江大学电气工程学院	85	908	17.0	24.0
2	郭艳平	浙江大学电气工程学院	4	127	4.0	4.0