基于自适应局部迭代滤波和模糊C均值聚类的滚动轴承故障诊断方法

• 作者: 张超 何闯进 何玉灵
• 来源期刊: 轴承
• 关键词: 滚动轴承 故障诊断 自适应局部迭代滤波 模糊C均值聚类 近似熵
• 年，卷（期）: 2021,（5）
• 所属期刊栏目: 测试与应用|Test and Application
• 页码范围: 50-55,62
• 页数: 7页
• 分类号: TH133.33|TP181
• 语种: 中文
• DOI: 10.19533/j.issn1000-3762.2021.05.009

摘要

为准确提取滚动轴承振动信号的故障特征,并对不同状态信号进行划分,提出了一种基于自适应局部迭代滤波(ALIF)和模糊C均值(KFCM)聚类的滚动轴承故障诊断方法.首先,将多模态信号自适应分解为多阶单一模态分量;然后,结合相关系数提取出含有最多故障特征信息的最优分量,计算其近似熵值并构建特征向量矩阵;最后,将得到的特征向量输入KFCM得到聚类结果.试验结果表明,与基于EMD,EEMD和KFCM聚类,以及ALIF和FCM聚类的方法相比,ALIF和KFCM方法的分类系数更接近1,平均模糊熵更接近0,聚类效果更好,对滚动轴承各类故障信号具有很高的识别度和良好的分类效果.