周期能量与优化LMD结合的轴承故障诊断方法

作者：熊邦书; 李龙; 李新民; 莫燕

来源：振动.测试与诊断, 2016, 36(02): 372-407.

DOI：10.16450/j.cnki.issn.1004-6801.2016.02.027

• u律压扩
• 滑动平均
• 故障诊断
• 局域均值分解

为了提高轴承故障诊断准确率,缩短神经网络训练时间,将周期能量特征和优化的局域均值分解(local mean decomposition,简称LMD)特征结合,提出了一种新的轴承故障诊断方法。首先,采用形态滤波法对振动信号去噪;其次,以轴承一个旋转周期采样点数为标准,对振动信号进行截取,提取周期能量特征和LMD特征;然后,对提取的特征进行u律压扩和滑动平均优化处理;最后,设计两个同精度神经网络,采用经优化和未优化的特征对设计好的RBF神经网络进行训练,用训练好的神经网络进行故障诊断。实验结果表明,神经网络收敛迭代次数减少了50次,诊断正确率提高了10%,提高了轴承故障诊断正确率,缩短了神经网络训练时间。

• 单位
  中国直升机设计研究所; 南昌航空大学