滚动轴承故障程度评估的AR-GMM方法

• 作者: 周建民 周继慧 文章 黄文艺 龙铭
• 来源期刊: 机械科学与技术
• 学科: 工学
• 关键词: 故障程度评估 视情维修 高斯混合模型(GMM)
• 年，卷（期）: 2016,（8）
• 所属期刊栏目: 机械动力学
• 页码范围: 1183-1188
• 页数: 6页
• 分类号: TH165+.3|TN911.7|TH18
• 字数: 4544字
• 语种: 中文
• DOI: 10.13433/j.cnki.1003-8728.2016.0806

摘要

提出了一种基于AR-GMM的滚动轴承故障程度评估方法,该方法利用自回归模型(AR)提取无故障轴承早期振动信号特征,并建立无故障轴承高斯混合模型(GMM)作为故障程度评估基准.轴承后期振动信号在提取AR特征后导入该基准GMM模型,得到测试样本与无故障样本之间的量化相似程度.进而以此相似程度值为基础建立自回归对数似然概率值(ARLLP)作为滚动轴承故障程度评估指标.轴承疲劳试验分析表明该指标能够及时有效发现轴承早期故障,并能很好预测跟踪轴承恶化趋势,为视情维修奠定基础.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周建民	华东交通大学机电与车辆工程学院	53	362	11.0	17.0
2	龙铭	华东交通大学机电与车辆工程学院	28	150	8.0	10.0
3	黄文艺	华东交通大学机电与车辆工程学院	8	111	5.0	8.0
4	周继慧	华东交通大学机电与车辆工程学院	4	57	3.0	4.0
5	文章	华东交通大学机电与车辆工程学院	1	12	1.0	1.0