基于熵特征与HMM的滚动轴承退化状态识别

• 作者: 王志霞 郭利
• 来源期刊: 组合机床与自动化加工技术
• 学科: 工学
• 关键词: 多尺度模糊熵 VMD能谱熵 滚动轴承 退化状态识别
• 年，卷（期）: 2018,（7）
• 所属期刊栏目: 控制与检测
• 页码范围: 64-68
• 页数: 5页
• 分类号: TH17|TG506
• 字数: 4582字
• 语种: 中文
• DOI: 10.13462/j.cnki.mmtamt.2018.07.017

摘要

为准确识别滚动轴承的性能退化状态,提出一种基于熵特征与隐马尔科夫模型(Hidden Mark-ov Model,HMM)的轴承退化状态识别方法.该方法提取轴承振动信号的多尺度模糊熵和VMD能谱熵作为退化特征向量,利用全寿命数据样本的退化特征向量训练不同退化状态下的HMM模型,最后通过建立的HMM模型库并根据最大对数似然概率原则识别轴承退化状态.其中,针对人为划分轴承退化阶段的不足,采用GG聚类方法实现全寿命数据在时域上的退化阶段划分.实测数据分析结果表明,所提方法能够达到90%以上的识别率,优于常用退化指标下的识别效果.