文献类型：期刊文章

作　　者：刘长良[1] 武英杰[1] 甄成刚[1]

机构地区：[1]新能源电力系统国家重点实验室(华北电力大学),北京市昌平区102206

出　　处：《中国电机工程学报》

基　　金：中央高校基本科研业务费专项资金资助(13MS102;2014xs89)~~

年　　份：2015

卷　　号：35

期　　号：13

起止页码：3358-3365

语　　种：中文

收录情况：AJ、BDHX、BDHX2014、CSA、CSA-PROQEUST、CSCD、CSCD2015_2016、EI、IC、INSPEC、JST、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：为了精准、稳定地提取滚动轴承故障特征,提出了基于变分模态分解和奇异值分解的特征提取方法,采用标准模糊C均值聚类(fuzzy C means clustering,FCM)进行故障识别。对同一负荷下的已知故障信号进行变分模态分解,利用奇异值分解技术进一步提取各模态特征,通过FCM形成标准聚类中心,采用海明贴近度对测试样本进行分类,并通过计算分类系数和平均模糊熵对分类性能进行评价,将该方法应用于滚动轴承变负荷故障诊断。通过与基于经验模态分解的特征提取方法对比,该方法对标准FCM初始化条件不敏感,在同负荷故障诊断中表现出更好的分类性能;变负荷故障诊断时,除外圈故障特征线发生明显迁移,其他测试样本故障特征线仍在原聚类中心附近,整体故障识别率保持在100%,因此,该方法能精确、稳定提取故障特征,为实际滚动轴承智能故障诊断提供参考。

关 键 词：变分模态分解  特征提取  模糊聚类 滚动轴承 故障诊断  

分 类 号：TH18]