小波包和模糊熵特征融合的轴承故障诊断

Bearing Fault Diagnosis Based on Feature Fusion of Wavelet Packet and Fuzzy Entropy

杜福嘉 ¹黄康 ²郭跃楠²

扫码查看

作者信息

1. 中国科学院国家天文台南京天文光学技术研究所,江苏南京 210042;中国科学院天文光学技术重点实验室(南京天文光学技术研究所),江苏南京 210042
2. 中国科学院国家天文台南京天文光学技术研究所,江苏南京 210042;中国科学院天文光学技术重点实验室(南京天文光学技术研究所),江苏南京 210042;中国科学院大学,北京 100049
折叠

摘要

进行轴承多种类型裂纹故障诊断时,为解决单一特征量诊断效率低的问题,提出了基于信号小波包分解的精细时频域分析和模糊熵的特征融合方法.首先对轴承振动信号进行小波包4层分解重构,确定小波包系数模糊熵和频带能量,精细提取振动信号的高低频故障信息特征;然后基于权重指标对模糊熵和频带能量进行融合,构造多种故障状态下轴承信号的特征向量;最后选择适合小样本分类的支持向量机对轴承裂纹故障进行诊断.试验数据处理结果表明,轴承不同裂纹故障状态下,融合特征的方法诊断效率更高,相较于单一特征量识别准确率提高5.0%以上,对10种裂纹故障诊断正确率达到98.0%.

关键词

小波包分解/模糊熵/支持向量机/特征融合/故障诊断

Key words

Wavelet Packet Decomposition/Fuzzy Entropy/Support Vector Machine/Feature Fusion/Fault Diagnosis

引用本文复制引用

基金项目

国家自然科学基金资助项目(U1831111)

江苏省自然科学基金资助项目(BK20181507)

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2

参考文献量9

段落导航