基于排列熵和VPMCD的滚动轴承故障诊断方法.pdf

《基于排列熵和VPMCD的滚动轴承故障诊断方法.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、振动与冲击第33卷第11期J0URNAL0FVIBRA田【0NANDSH0CK基于排列熵和VPMCD的滚动轴承故障诊断方法程军圣，马兴伟，杨宇(湖南大学汽车车身先进设计制造国家重点实验室，长沙410082)摘要：VPMCD(VariablePredictiveModelBasedClassDiscriminate)是一种新的模式识别方法，它充分利用从原始数据中所提取的特征值之间的相互内在关系建立数学模型，从而进行模式识别。论文将VPMCD结合排列熵(PermutationEntropy，简称PE)方法应用于滚动轴承故障诊断。首先采用ITD(IntrinsicTime—scaleDecompo

2、sition，简称ITD)对滚动轴承振动信号进行分解，得到若干个固有旋转(ProperRotation)分量，并对包含主要故障信息的PR分量提取排列熵作为故障特征值；然后，对VPMCD分类器进行训练；最后，采用VPMCD分类器进行故障识别和分类。实验数据的分析结果表明该方法能够有效地应用于滚动轴承故障诊断。关键词：VPMCD；ITD；排列熵；滚动轴承；故障诊断中图分类号：TH113文献标志码：ARollingbearingfaultdiagnosismethodbasedonpermutationentropyandVPMCDCHENGJun—sheng，MA一wei，YANG(Statek

3、eyLaboratoryofAdvancedDesignandManufactureforVehicleBody，HunanUniversity，Changsha410082，China)Abstract：Variablepredictivemodel—basedclassdiscriminate(VPMCD)isanewpatternrecognitionmethod，itmakesfulluseofinnerrelationsamongcharacteristicvaluesextractedfromtheoriginaldatatorecognizemodels．Here，VPMCDw

4、ascombinedwithpermutationentropy(PE)todiagnoserollingbearfaults．Firstly，rollingbearingvibrationsignalswereadaptivelydecomposedintoasumofproperrotation(PR)componentsbyusingITDandthepermutationentropiesofPRcomponentscontainingthemainfaultsinformationwereextractedascharacteristicvaluesoffaults．Secondl

5、y，thecharacteristicvalueswereusedtotraintheparametersofVPMCD．Finally，theVPMCDclassifierwasusedtorecognizeandclassifythefaults．Theexperimentalresuhsshowedthatthismethodcanbeeffectivelyappliedtodiagnoserollingbearingfaults．Keywords：variablepredictivemodel—basedclassdiscriminate(VPMCD)；intrinsictime-s

6、caledecomposition(ITD)；permutationentropy；rollingbearing；faultdiagnosis机械故障诊断过程本质上是一个故障模式识别的该方法充分利用从原始数据中所提取的特征值之间的过程⋯，针对某一具体的机械故障诊断问题，选择不同相互内在关系建立数学模型，由于所建立的变量预测的模式识别方法，其分类精度和准确性可能会有较大模型可以是非线性的，VPMCD方法与神经网络、支持的差异]。神经网络结构和类型的选择过分依赖于向量机一样，可以应用于多变量描述的非线性系统的先验知识或经验，而这将会影响其分类精度_4j。支持模式识别问题。在机械故障诊断中，采用各

7、种信号处向量机分类结果受到核函数及其参数的影响。此外，理方法从机械设备振动信号中所提取出的特征值之间其搜索算法本质上是二进制的，对于多类分类问题则大都具有一定的相互内在关系，而且在不同的工作状需要进行多次的二进分类。态下，这些特征值及其相互内在关系都会发生不同的最近，Raghuraj等提出了一种新的模式识别方变化。如直接时域信号中提取的均方根值、峭度法——基于变量预测模型的模式识别(VariablePredi