科研之友
微信
新浪微博
Facebook
分享链接
摘要
机车滚动轴承发生故障时信号是非平稳的,故障发生在不同部位时,其振动信号能量分布不同。传统KNN算法中,欧式距离主要针对空间中两样本点间的距离计算,对空间中不同位置分布间的相似性度量难以实现有效判断。针对上述问题,将一种相似度度量Earth Mover’s Distance (EMD)引入到KNN算法中,代替传统的欧式距离对故障部位进行分类。该上述方法使用‘db3’小波对轴承震动信号进行三层小波包分解,并计算第三层各结点能量作为该信号的能量分布特征。计算能量分布间的EMD,根据EMD大小对分布间的相似度进行判断。结合KNN中多数表决分类决策对故障部位进行定位。仿真结果表明,所提方法诊断准确率达到99.23%,相较于传统KNN诊断方法在诊断准确率上提升了0.77%。该方法能够准确有效地诊断滚动轴承故障,可以应用到工业生产中。
- 单位
