文献类型：期刊文章

作　　者：陈东宁[1,2] 张运东[1,2] 姚成玉[3] 来博文[3] 吕世君[1,2]

机构地区：[1]燕山大学河北省重型机械流体动力传输与控制实验室,河北秦皇岛066004 [2]先进锻压成形技术与科学教育部重点实验室(燕山大学),河北秦皇岛066004 [3]燕山大学河北省工业计算机控制工程重点实验室,河北秦皇岛066004

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(51675460;51405426);河北省自然科学基金资助项目(E2016203306);中国博士后科学基金资助项目(2017M621101)~~

年　　份：2017

卷　　号：23

期　　号：12

起止页码：2604-2612

语　　种：中文

收录情况：AJ、BDHX、BDHX2014、CSCD、CSCD2017_2018、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：为稳定提取滚动轴承故障特征,提出一种基于变分模态分解和多尺度排列熵的故障特征提取方法,并采用GK模糊聚类对轴承故障进行识别分类。首先对滚动轴承振动信号进行变分模态分解,得到包含故障特征信息的模态分量;进而利用多尺度排列熵量化各模态分量的故障特征,取各模态分量多尺度排列熵的平均值作为特征向量;最后通过GK模糊聚类分析获得故障样本的标准聚类中心,采用欧式贴近度进行故障识别分类。将所提方法应用于滚动轴承实验数据,通过分类系数与平均模糊熵对分类效果进行检验,并与经验模态分解多尺度排列熵结合GK模糊聚类的方法进行对比,结果表明,所提方法具有更好的分类性能,其故障诊断精度更高。

关 键 词：故障诊断 滚动轴承 变分模态分解  多尺度排列熵  GK模糊聚类  

分 类 号：TH165.3] TH133.33