文献类型：期刊文章

作　　者：刘俊锋[1] 董宝营[2] 俞翔[3] 万海波[3]

LIU Junfeng;DONG baoying;YU Xiang;WAN Haibo(College of Power Engineering,Naval University of Engineering,Wuhan 430033,China;The 91278 Unit of PLA,Dalian 116041,China;College of Naval Architecture and Ocean Engineering,Naval University of Engineering,Wuhan 430033,China)

机构地区：[1]海军工程大学动力工程学院,湖北武汉430033 [2]中国人民解放军91278部队,辽宁大连116041 [3]海军工程大学舰船与海洋学院,湖北武汉430033

出　　处：《中国舰船研究》

基　　金：国家自然科学基金资助项目(51679245)。

年　　份：2021

卷　　号：16

期　　号：6

起止页码：183-190

语　　种：中文

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

摘　　要：[目的]提出一种从强背景噪声、非平稳、非线性的复杂设备滚动轴承早期冲击故障振动信号中有效提取故障特征并进行故障模式识别的方法。[方法]首先,利用快速谱相关(FSC)分析提取原始振动信号的故障特征,并利用多尺度排列熵(MPE)对故障特征进行量化;然后,将故障特征数据输入BP神经网络进行故障诊断模型训练与测试;最后,对变速情况下的滚动轴承故障模拟实验数据和美国凯斯西储大学公开的轴承故障试验数据集进行故障识别研究。[结果]结果显示:所提方法对不同类型的故障具有较高的辨识精度,可达97%以上。[结论]研究验证了基于FSC-MPE与BP神经网络的滚动轴承故障诊断方法的可行性和优越性,可为滚动轴承健康状态评估提供技术支持。

关 键 词：滚动轴承 故障诊断  快速谱相关  多尺度排列熵  BP神经网络

分 类 号：U664.21]