基于变分贝叶斯的轴承故障诊断方法

• 作者: 王岩 罗倩 邓辉
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 变分贝叶斯 轴承故障诊断 局部特征尺度分解 高斯混合模型
• 年，卷（期）: 2019,（11）
• 所属期刊栏目: 交叉与前沿
• 页码范围: 323-327
• 页数: 5页
• 分类号: TP206+.3
• 字数: 6166字
• 语种: 中文
• DOI: 10.11896/jsjkx.180901719

摘要

滚动轴承是旋转机械结构中常用的零件,如果发生故障,会造成极大的危害.随着大数据时代的到来,现代智能诊断方法已被广泛应用到轴承故障诊断中.针对目前智能诊断方法存在的问题,将统计模型引入轴承故障诊断中,提出了基于变分贝叶斯的轴承故障诊断方法.该方法对轴承振动信号进行局部特征尺度分解,得到若干个内禀尺度分量,并分别提取时域特征组成特征集,使用特征集训练产生基于变分贝叶斯的混合多维高斯分布模型,通过计算不同轴承故障的概率实现故障诊断.实验结果表明,所提方法的诊断正确率达到99.6％,与基于支持向量机的轴承诊断方法相比,在所组成的特征集上诊断正确率最高提升了39.6％.文中提出的方法能够全面且有效地诊断滚动轴承故障,对高维复杂的故障数据也有很好的诊断效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	罗倩	北京信息科技大学信息与通信工程学院	35	107	6.0	8.0
2	王岩	北京信息科技大学信息与通信工程学院	14	28	3.0	4.0
3	邓辉	北京信息科技大学信息与通信工程学院	3	3	1.0	1.0