基于变分模态分解和模糊C均值聚类的滚动轴承故障诊断

• 作者: 刘长良 武英杰 甄成刚
• 来源期刊: 中国电机工程学报
• 学科: 工学
• 关键词: 变分模态分解 特征提取 模糊聚类 滚动轴承 故障诊断
• 年，卷（期）: 2015,（13）
• 所属期刊栏目: 发电
• 页码范围: 3358-3365
• 页数: 8页
• 分类号: TH18
• 字数: 5655字
• 语种: 中文
• DOI: 10.13334/j.0258-8013.pcsee.2015.13.020

摘要

为了精准、稳定地提取滚动轴承故障特征,提出了基于变分模态分解和奇异值分解的特征提取方法,采用标准模糊C均值聚类(fuzzy C means clustering,FCM)进行故障识别.对同一负荷下的已知故障信号进行变分模态分解,利用奇异值分解技术进一步提取各模态特征,通过FCM形成标准聚类中心,采用海明贴近度对测试样本进行分类,并通过计算分类系数和平均模糊熵对分类性能进行评价,将该方法应用于滚动轴承变负荷故障诊断.通过与基于经验模态分解的特征提取方法对比,该方法对标准FCM初始化条件不敏感,在同负荷故障诊断中表现出更好的分类性能;变负荷故障诊断时,除外圈故障特征线发生明显迁移,其他测试样本故障特征线仍在原聚类中心附近,整体故障识别率保持在100％,因此,该方法能精确、稳定提取故障特征,为实际滚动轴承智能故障诊断提供参考.