文档名：全矢EMD和KPCA结合的滚动轴承故障诊断
针对在滚动轴承故障检测和诊断中获取的单通道信息不全面、不准确等问题,提出了全矢经验模态分解(EmpiricalModeDecomposition,EMD)和核主元分析(KernelPrincipalComponentAnalysis,KPCA)相结合的方法对滚动轴承的运行状态进行检测,并用全矢Hilbert包络分析发生故障时滚动轴承的故障类型.首先采用EMD对轴承正常状态下的双通道数据进行分解,对各通道IMF依次进行信息融合,将各阶主振矢进行合成,并建立KPCA模型.然后将待检测的样本信号进行全矢EMD融合后输入已构建的KPCA模型,当该模型的T2和SPE统计量超过己设定的控制限时,采用全矢Hilbert包络分析样本信号,并进行特征提取以进行故障诊断.实验结果表明,该方法可以检测出滚动轴承的运行状态,又能准确有效地诊断故障类型.
作者：周玉平陈磊高山
作者单位：郑州大学振动工程研究所,郑州450001
母体文献：2018年全国设备监测诊断与维护学术会议暨第十六届全国设备故障诊断学术会议、第十八届全国设备监测与诊断学术会议、2018年全国设备诊断工程会议论文集
会议名称：2018年全国设备监测诊断与维护学术会议暨第十六届全国设备故障诊断学术会议、第十八届全国设备监测与诊断学术会议、2018年全国设备诊断工程会议
会议时间：2018年8月1日
会议地点：内蒙古包头
主办单位：中国机械工程学会,中国振动工程学会,中国设备管理协会
语种：chi
分类号：
关键词：滚动轴承 故障诊断 全矢谱 核主元分析 全矢经验模态分解
在线出版日期：2021年12月15日
基金项目：
相似文献
相关博文
- 文件大小:
- 887.5 KB
- 下载次数:
- 60
-
高速下载
|
|
