基于多尺度局部二值模式的滚动轴承故障诊断

作者：王明罡; 周坪; 蔡志雄^*; 尹旭晔; 李颖杰

来源：组合机床与自动化加工技术, 2022, (12): 44-47.

DOI：10.13462/j.cnki.mmtamt.2022.12.011

• 故障诊断
• 滚动轴承
• 变分模态分解
• 局部二值模式
• 特征提取

针对滚动轴承早期故障特征较为微弱，容易被淹没在背景噪声中，仅从振动信号单一尺度提取出的特征很难准确表示轴承状态的问题，提出一种基于多尺度局部二值模式的滚动轴承特征提取方法。首先，通过变分模态分解(variational mode decomposition, VMD),得到振动信号在不同尺度下的本征模态分量(intrinsic mode function, IMF);其次，将每个IMF转换成灰度图像的形式，使用局部二值模式(local binary pattern, LBP)提取振动信号在不同尺度的局部纹理特征；最后，将提取出的特征输入反向传播神经网络(back propagation neural network, BPNN)进行分类。通过实测振动信号进行试验，结果表明提出的方法能够很好地提取不同故障状态的轴承特征，且诊断准确率较高。

• 单位
  中国矿业大学; 中国矿业大学（北京）; 机电工程学院