科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对滚动轴承故障智能诊断问题,提出一种基于时序模型和可拓学的滚动轴承故障诊断方法。利用时序模型中的AR (Autoregressive Model)模型对轴承振动信号进行特征提取,以AR模型的自回归参数和残差方差作为特征向量,再利用Fisher比对AR模型的特征向量进行选择,将最终所形成的特征向量作为可拓物元模型的特征参数,以此特征参数来建立轴承不同健康状态下物元模型的经典域和所有状态下物元模型的节域。将待测数据输入到已建立的滚动轴承不同健康状态对应的物元模型之中,通过关联函数来计算待测数据与滚动轴承不同健康状态的综合关联度,实现滚动轴承状态的可拓学定性与定量诊断。进行了滚动轴承包含不同故障类型和故障程度的十种不同健康状态识别实验,每次随机选取训练样本,100次测试的平均识别率达98.86%,较基于AR模型和BP神经网络的传统诊断方法效果要好。
-
单位华东交通大学机电与车辆工程学院; 江西广播电视大学
