基于ITD-AR模型和SVDD的轴承故障诊断方法研究

• 作者: 王之宏 范玉刚 黄国勇
• 来源期刊: 云南大学学报（自然科学版）
• 学科: 工学
• 关键词: 滚动轴承 固有时间尺度分解 自回归模型 支持向量数据域描述模型 故障诊断
• 年，卷（期）: 2018,（2）
• 所属期刊栏目: 计算机、信息与电子科学
• 页码范围: 228-235
• 页数: 8页
• 分类号: TH165.3
• 语种: 中文
• DOI: 10.7540/j.ynu.20170168

摘要

针对滚动轴承在强背景噪声干扰下振动信号故障特征难以提取,以及实际运行中因故障样本缺乏而影响故障诊断准确性的问题,提出了基于固有时间尺度分解(Intrinsic Time Scale Decomposition,ITD)的AR模型振动信号特征提取,与支持向量数据域描述(Support Vector Data Description,SVDD)相结合的轴承故障诊断方法.首先用ITD将振动信号分解成一系列的固有旋转(Proper Rotation,PR)分量,然后对每一个PR分量建立AR模型,提取模型参数和残差方差构造特征向量,用以建立轴承正常运行的SVDD模型,并以振动信号特征向量偏离SVDD模型的程度来判断轴承的运行状态.将该方法应用于滚动轴承的故障诊断,实验证明了所提方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄国勇	昆明理工大学信息工程与自动化学院	54	195	7.0	12.0
3	范玉刚	昆明理工大学信息工程与自动化学院	48	210	8.0	12.0
9	王之宏	昆明理工大学信息工程与自动化学院	3	13	2.0	3.0