基于小波包能量谱与主成分分析的轴承故障特征增强诊断方法

• 作者: 李成 李言 汤奥斐 赵怀山 郭伟超
• 来源期刊: 兵工学报
• 学科: 工学
• 关键词: 轴承 故障诊断 特征增强 小波包分解 能量谱 主成分分析
• 年，卷（期）: 2019,（11）
• 页码范围: 2370-2377
• 页数: 8页
• 分类号: TH133.33+1
• 字数: 6081字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-1093.2019.11.022

摘要

滚动轴承出现损伤时,采集的振动信号呈非平稳性,采用一般的时域和频域分析方法不能准确提取出振动信号的故障特征.根据小波包多分辨、精细化的分解特性,提出一种基于小波包能量谱与主成分分析(PCA)方法的滚动轴承故障诊断算法.将振动信号进行小波包分解,得到重点频率段信息的能量谱,提取能量谱作为特征向量;利用PCA方法对特征向量降维并减小噪声信号的干扰,获得增强的故障特征;利用层次聚类方法和改进的模糊c均值聚类算法对不同类型的滚动轴承故障进行识别,两种聚类方法都准确地识别出了不同的故障类型.实例验证结果表明,所提方法能够有效地提取振动信号中的有用故障特征,实现轴承故障类型的精确诊断.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李言	西安理工大学机械与精密仪器工程学院	361	3453	31.0	39.0
2	汤奥斐	西安理工大学机械与精密仪器工程学院	18	62	4.0	7.0
3	郭伟超	西安理工大学机械与精密仪器工程学院	6	32	2.0	5.0
4	赵怀山		1	2	1.0	1.0
5	李成	西安理工大学机械与精密仪器工程学院	1	2	1.0	1.0