文献类型：期刊文章

作　　者：贾峰[1] 武兵[1,2] 熊晓燕[1,2] 熊诗波[1,2]

机构地区：[1]太原理工大学机械电子工程研究所,山西太原030024 [2]太原理工大学新型传感器与智能控制教育部重点实验室,山西太原030024

出　　处：《计算机集成制造系统》

基　　金：国家自然科学基金资助项目(51035007);山西省自然科学基金资助项目(2012011046-10)~~

年　　份：2014

卷　　号：20

期　　号：9

起止页码：2275-2282

语　　种：中文

收录情况：AJ、BDHX、BDHX2011、CSA、CSA-PROQEUST、CSCD、CSCD2013_2014、EI、IC、INSPEC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：针对许多现有方法无法有效诊断滚动轴承早期故障的问题,引入排列熵的方法对轴承振动信号进行早期故障分析。通过研究嵌入维数和延迟时间对信号排列熵的影响,提出多维度排列熵的特征提取方法。利用多维度排列熵方法所提取的特征,建立了基于支持向量机的轴承早期故障智能诊断模型。对轴承不同类型、不同程度的故障数据进行分析,证明了多维度排列熵方法可以有效提取轴承不同状态的特征信息,与支持向量机结合的智能诊断模型可以精确地诊断轴承不同类型的早期故障,具有很强的通用性;该模型在贫样本的情况下,依然具有很高的诊断精度,适用于滚动轴承早期故障状态的在线监测。

关 键 词：多维度排列熵  支持向量机 早期故障诊断  滚动轴承

分 类 号：TH165.3] TH17