基于数学形态学分形理论与PNN的轴承状态监测与故障诊断

• 作者: 林懿 龙伟 李炎炎 张庆华
• 来源期刊: 四川大学学报（自然科学版）
• 关键词: 故障诊断 轴承 数学形态学 分形维数 概率神经网络
• 年，卷（期）: 2021,（5）
• 所属期刊栏目: 电子信息科学|Electronics and Information Science
• 页码范围: 65-72
• 页数: 8页
• 分类号: TH17
• 语种: 中文
• DOI: 10.19907/j.0490-6756.053002

摘要

针对滚动轴承状态监测实时性差、故障诊断准确率低的问题,提出一种基于改进局部均值分解(ILMD)和数学形态学分形理论的特征提取算法,并结合概率神经网络(PNN)完成对轴承状态的智能化识别分类.该算法首先通过ILMD分解轴承原始振动信号,选取相关性系数最大的两阶分量,求取其分形维数作为特征向量;其次,结合盒维数理论,将"形态学覆盖面积"作为第三维特征向量,同时构建起三维特征矩阵;最后,将特征矩阵输入PNN以完成状态的识别分类.使用西储大学实测轴承数据验证算法,结果表明,该算法不仅能够精确识别不同状态的轴承,还能有效分类同种故障下不同损伤程度的轴承状态,平均识别率超过99.6％,平均识别时间0.21 s.