针对滚动轴承故障诊断的新时频特征提取方法

• 作者: 刘飞 周文晶 王晓峰 陈俊杰
• 来源期刊: 机械传动
• 关键词: 故障诊断 时频特征 短时傅里叶变换 词包模型 SVM
• 年，卷（期）: 2016,（7）
• 所属期刊栏目: 试验分析
• 页码范围: 126-131
• 页数: 6页
• 语种: 中文
• DOI: 10.16578/j.issn.1004.2539.2016.07.028

摘要

针对滚动轴承的故障诊断,提出了一种基于词包模型和短时傅里叶变换的特征提取方法.根据轴承故障的产生机理,不同轴承的振动信号在频域上会有相应的能量分布规律,然而在实际现场中,信号干扰或者生产环境等因素会弱化这种规律性,使得在频谱上难以准确看到相应分布特征.当采用词包模型时,把每一时间帧下能量在频率维度上的分布看成一个单词,则每段信号就表示成了由各个单词组成的一篇篇文档,这就可以直接从数据的角度去揭示能量分布的这种规律性.然后,以词包模型处理后的结果作为特征向量,用SVM分类算法诊断出结果.最后用无锡某汽车生产线SQI-MFS实验平台和美国凯斯西储大学的轴承振动数据进行了实验,实验验证了该方法比时域特征(RMS)和时频域特征(WE&WEE)的诊断结果精确,可以在滚动轴承故障诊断领域展开应用.