文献类型：期刊文章

作　　者：常新宇[1] 李琦[2]

CHANG Xin-yu;LI Qi(School of Chemical Process Automation Shenyang University of Technology,Liaoning Shenyang 110023,China;School of Mechanical Engineering and Automation Northeastern University,Liaoning Shenyang 110819,China)

机构地区：[1]沈阳工业大学化工过程自动化学院,辽宁沈阳110023 [2]东北大学机械工程与自动化学院,辽宁沈阳110819

出　　处：《机械设计与制造》

年　　份：2022

期　　号：10

起止页码：71-74

语　　种：中文

收录情况：BDHX、BDHX2020、JST、RCCSE、ZGKJHX、核心刊

摘　　要：由于城市轨道交通频繁运行,地铁风机滚动轴承的故障特征极易被复杂多变的背景噪声所掩盖。针对这一问题,提出了一种基于特征筛选与支持向量机(SVM)的故障诊断方法。首先,从轴承原始监测信号中提取多尺度特征,构建轴承常见故障状态下的健康指标特征集;其次,利用拉普拉斯评分对处于故障状态下的健康指标特征集与正常状态下的健康指标特征集进行对比,获得健康指标敏感程度权重分数,筛选出敏感故障特征;最后,运用SVM算法对筛选出的特征进行故障识别,从而准确地实现地铁风机滚动轴承的故障诊断。通过在实际轴承故障数据集上的故障诊断实验,证明了提出方法的有效性和优越性。

关 键 词：地铁风机 轴承 敏感特征  故障诊断

分 类 号：TH16] TP311.52]