基于振动参数聚类融合的空间轴承故障辨识方法研究

• 作者: 何田 周宁宁 王剑文 王虹
• 来源期刊: 空间控制技术与应用
• 学科: 工学
• 关键词: 空间轴承 K-medoids聚类 特征频率比值 参数融合 故障诊断
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 论文与报告
• 页码范围: 24-28
• 页数: 5页
• 分类号: TH133
• 语种: 中文
• DOI: 10.3969/j.issn.1674-1579.2020.04.004

摘要

轴承是飞轮和控制力矩陀螺(CMG)等空间惯性执行机构的核心部件,其健康状态直接影响整机性能和使用寿命.当前,由于轻载轴承在正常运转时也可能产生类似于微弱故障特征的现象,导致单一故障特征参数难以辨识正常和微弱故障状态.针对这一问题,本文提出了一种基于振动参数聚类融合的轴承微弱故障辨识方法.首先,通过轴承振动实验获得数据;然后,基于特征频率比值等方法对振动信号进行特征参数的提取;在此基础上,利用K-Medoids算法对正常样本进行聚类,并根据3σ法则构建正常运转的安全边界;最后,计算不同轴承故障数据的超限概率,根据概率大小进行故障状态的识别.结果表明,该方法对轴承正常和微弱故障的辨识是可行和有效的.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	何田		30	346	12.0	18.0
2	王虹		4	30	2.0	4.0
3	王剑文		1	0	0.0	0.0
4	周宁宁		3	18	2.0	3.0