文献类型：期刊文章

作　　者：葛红平[1] 刘晓波[2] 黄朝晖[1] 熊小明[1]

GE Hongping;LIU Xiaobo;HUANG Chaohui;XIONG Xiaoming(College of Science and Technology,Nanchang Hangkong University,Gongqingcheng 332020,Jiangxi,China;College of Aeronautical Manufacturing Engineering,Nanchang Hangkong University,Nanchang 330063,China)

机构地区：[1]南昌航空大学科技学院,江西共青城332020 [2]南昌航空大学航空制造工程学院,南昌330063

出　　处：《噪声与振动控制》

基　　金：国家自然科学基金资助项目(51365040)。

年　　份：2021

卷　　号：41

期　　号：4

起止页码：101-108

语　　种：中文

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

摘　　要：为充分挖掘振动信号的特征信息进而提升诊断精度,提出一种将模糊信息粒化、幅值感知排列熵(AAPE)和鲸鱼优化支持向量机(WOA-SVM)相结合的滚动轴承智能故障诊断方法。首先对轴承振动信号进行模糊信息粒化处理,得到包含最小特征Low、平均特征R和最大特征Up的3组信息粒子;然后利用AAPE量化信息粒子的故障特征信息构建特征向量;最后建立WOA-SVM分类器诊断识别故障类型。采用滚动轴承不同工况下的实验数据进行算法验证,分析结果表明,所提方法不仅能够精准实现轴承故障类型及故障程度的综合辨识,而且故障识别率优于所对比方法。

关 键 词：故障诊断  滚动轴承 模糊信息粒化  幅值感知排列熵  鲸鱼优化支持向量机  

分 类 号：TH133.3]