基于ITD与广义分形维数的轴承故障识别方法

扫码查看

原文链接

NETL

中文摘要：滚动轴承故障信号具有非线性、非平稳性的特点,为有效提取其故障特征,实现轴承典型故障识别,提出了基于固有时间尺度分解(Intrinsic Time-scale Decomposition,ITD)和广义分形维数的轴承故障诊断方法.首先,利用ITD方法将包含噪声的振动信号分解为多个分量,应用Teager能量算法选取有效分量获得重构信号,从而实现信号的降噪;其次,采用广义分形方法获得降噪信号维数,作为故障识别特征参量:最后,通过求取待测信号与样本信号的分形维数距离函数,实现故障模式的识别.分析结果表明:对于复杂的轴承故障状态信号,广义分形维数可以从多个测度来描述振动信号的分形特性,该方法可有效识别轴承典型故障.

作者：

XIE Xin、谢馨、WANG Huaqing、王华庆、LI Lingyang、李岭阳、KE Yanliang、柯燕亮

展开 >

作者单位：

College of Mechanical and Electrical Engineering, Beijing University of Chemical Technology, Beijing, 100029,China

北京化工大学机电工程学院,北京100029

关键词：

轴承故障识别固有时间尺度分解 Teager能量广义分形维数距离函数

主办单位：

中国机械工程学会

中国振动工程学会

中国设备管理协会

会议名称：

2016年全国设备监测诊断与维护学术会议、第十五届全国设备故障诊断学术会议、第十七届全国设备监测与诊断学术会议、2016年全国设备诊断工程会议

会议时间：

2016-08-01

会议地点：

西安

会议母体文献：

2016年全国设备监测诊断与维护学术会议、第十五届全国设备故障诊断学术会议、第十七届全国设备监测与诊断学术会议、2016年全国设备诊断工程会议论文集

页码：

185-187

出版时间：

2016