文献类型：期刊文章

作　　者：陈剑[1,2] 蔡坤奇[1,2] 陶善勇[1,2] 杨斌[1,2] 刘圆圆[1,2] 刘幸福[1,2] 黄凯旋[1,2]

CHEN Jian;CAI Kun-qi;TAO Shan-yong;YANG Bin;LIU Yuan-yuan;LIU Xing-fu;HUANG Kai-xuan(Institute of Sound and Vibration Research,Hefei University of Technology,Hefei,Anhui 230009,China;Automotive NVH Engineering&Technology Research Center Anhui Province,Hefei,Anhui 230009,China)

机构地区：[1]合肥工业大学噪声振动研究所,安徽合肥230009 [2]安徽省汽车NVH技术研究中心,安徽合肥230009

出　　处：《计量学报》

基　　金：国家自然科学基金青年基金(11604070);安徽省重大科技项目(17030901049)。

年　　份：2021

卷　　号：42

期　　号：6

起止页码：774-779

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD_E2021_2022、IC、JST、SCOPUS、ZGKJHX、核心刊

摘　　要：针对滚动轴承故障微弱振动信号特征提取后难以识别的问题,提出基于改进的固有时间尺度分解(IITD)和模糊熵(FE)输入随机森林(RF)模式识别的滚动轴承故障诊断方法。首先,利用轴承试验台采集正常、滚动体故障、内圈故障、外圈故障等4种状态下轴承的振动信号;通过IITD分解将采集到的振动信号分解成一组固有旋转分量(PRC),然后选取表征故障主要信息的有效分量计算其模糊熵值并构建特征向量,输入到随机森林分类器模型进行识别分类。实验数据分析结果表明,该方法可以有效地实现滚动轴承故障类别的诊断。

关 键 词：计量学 滚动轴承 固有时间尺度  模糊熵 随机森林  故障诊断

分 类 号：TB936]