基于信息熵和α稳定分布的滚动轴承故障诊断方法

作者：彭锐涛; 罗秀强; 罗越; 刘翠雅; 赵林峰

来源：机械设计与研究, 2021, 37(04): 92-98.

DOI：10.13952/j.cnki.jofmdr.2021.0144

• 滚动轴承
• 故障诊断
• 信息熵
• α稳定分布
• 粒子群优化
• 支持向量机

为了更快、更准确的对滚动轴承的故障状态进行诊断,提出了一种结合信息熵(information entropy, IE)和α稳定分布(alpha stable distribution, ASD)参数的特征融合方法IE-ASD,基于振动信号对滚动轴承进行故障诊断。首先提取振动信号的时域、频域和时-频域的四种IE(奇异谱熵、功率谱熵、小波空间特征谱熵和小波能谱熵)和估计ASD的四个参数,构建特征向量;然后,利用粒子群优化算法(particle swarm optimization, PSO)对支持向量机(support vectors machine, SVM)参数寻优,并用所构建的特征向量对其训练和故障诊断;最后,利用凯斯西储大学轴承数据库的数据验证该方法的有效性,并与由IE、ASD各自构建特征向量的诊断结果进行对比。结果表明:所提出的方法能精确的判断滚动轴承的故障位置,且比未进行特征融合的方法有更高的准确率。

• 单位
  湘潭大学