机械设计与制造2023，Vol.392Issue(10) ：81-86,89.

改进辛几何模态分解的滚动轴承故障特征提取

Fault Feature Extraction of Rolling Bearing Based on Improved Symplectic Geometric Modal Decomposition

李加伟 张永祥 刘树勇 赵磊
机械设计与制造2023，Vol.392Issue(10) ：81-86,89.
✕
  • NETL
  • NSTL
  • 维普
  • 万方数据

改进辛几何模态分解的滚动轴承故障特征提取

Fault Feature Extraction of Rolling Bearing Based on Improved Symplectic Geometric Modal Decomposition

李加伟 1张永祥 1刘树勇 1赵磊1
扫码查看

作者信息

  • 1. 海军工程大学动力工程学院,湖北 武汉 430033
  • 折叠

摘要

针对滚动轴承故障冲击信号难以提取的问题,提出了一种改进辛几何模态分解(Improved Symplectic Geometry Modal Decomposition,ISGMD)滚动轴承故障特征提取方法.首先将振动信号进行辛几何模态分解,然后,利用k均值聚类的方法对分解得到的辛几何分量进行聚类,通过包络谱稀疏度指标筛选出故障特征明显的聚类辛几何分量(Cluster Symplectic Geometry Component,CSGC)并进行重构,对重构分量进行包络解调,提取出故障特征.将该方法运用到轴承故障仿真和实验信号,结果表明,这里提出的方法能够有效提取出滚动轴承故障特征.

关键词

k均值聚类/改进辛几何模态分解/滚动轴承/故障特征提取

Key words

k-Means Clustering/ISGMD/Rolling Bearing/Fault Feature Extraction

引用本文复制引用

基金项目

国家自然科学基金(51579242)

出版年

2023
机械设计与制造
辽宁省机械研究院

机械设计与制造

CSTPCD北大核心
影响因子：0.511
ISSN：1001-3997
被引量1
参考文献量5
段落导航相关论文