基于样本熵与决策树调节算法的轴承故障识别

《基于样本熵与决策树调节算法的轴承故障识别》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、基于样本嫡与决策树调节算法的轴承故障识别安徽经济管理学院信息工程系摘要：轴承故障是导致机器发生事故的重要原因Z—。为更好地识别出故障类型，使用一种包络样本爛和决策树门限值自适应调节算法相结合的方法。首先将信号分解成若干IMF之和，选取包含丰富故障信息的IMF求其包络信号的样本爛，最后通过决策树自适应调节门限值准确判断出轴承故障类型。分析结果表明，该方法不仅可以通过反馈减少运算量，而且能够通过决策树门限值的自适应调节来提高轴承故障的识别率，综合识别率可达到96.75%O关键词：包络样木嫡;决策树;轴承故障;自适应调节;门限值;作者简介:李六杏，副教授。E-mail:llxin001080@12

2、6.com收稿日期:2017-03-19基金：安徽省高校自然科学研究重点项目(KJ2015A394)BasedonsampleentropyanddecisiontreealgorithmforregulationofbearingfauItdiagnosisLILuxingZHOUHuangliDepartmentofInformstionEngineering,AnhuiInstituteofEconomicManagement;Abstract：Bearingfailureisoneoftheimportantreasonsformachineaccidents.Tobetteride

3、ntifyfauIttypes,thispaperusedamethodwhichcombinesenvelopesampleentropywithdecisiontreegatelimitvalueadaptiveadjustmentalgorithm.WefirstlydecomposedthesignalintoseveralTMFsandselectedthesampleentropyoftheenvelopesignalfromtheIMFwhichcontainsanumberofdiagnosticinformation，andthen,thetypeofbearingfail

4、urewasaccuratelydeterminedbydecisiontreeadaptiveadjustmentgatelimitvalue.Analysisresultsshowedthatthismethodcannotonlyreducethecomputationalcomplexitythroughthefeedback,butalsoimprovetherccognitionrateofbearingfailurethroughthedecisiontreethresholdadaptiveadjustment.Comprehensiverecognitionratecanr

5、each96.75%.Keyword：envelopesampleentropy;decisiontree;bearingfailure;adaptiveadjustment;gatelimitvalue;Received：2017-03-19轴承发生故障时产生的信号通常为非平稳信号，如何将轴承故障的特征信息从非平稳信号中提取出来是识别轴承故障的关键所在。康海英等m提出了一种基于阶次跟踪和HHT瞬吋相位法的轴承故障诊断方法，时域里的非平稳信号转换为角域里的平稳信号。董红生等⑵提出一种基于I1I1T边际谱嫡和能量谱嫡的心率变异信号的分析方法，为临床HRV信号及其他复杂生理信号的分析提供一种有效

6、的分析方法。傅勤毅等固采用一种无频带错位的小波包算法进行滚动轴承的故障特征信号提取，清晰地刻画出轴承故障冲击的特征函数。杨宇等血提出了一种基于经验模态分解和神经网络的滚动轴承故障诊断方法来识别轴承故障。但这些方法不仅算法复杂度高，而且计算量较大。本研究使用包络样本爛和决策树门限值自适应调节算法相结合的方法，将EMD分解后得到的IMF分量经过提取后计算其包络样本嫡，使用包络样本嫡训练决策树，最后使用牛成的决策树并自动调节门限值来提高轴承故障的识别率。该方法不仅算法复杂度小，具有可靠性实用性，而且大大降低了计算量。1材料与方法1.1材料滚动轴承故障数据来源于西安交通大学机械工程学院智能仪器与监测

7、诊断研究所，本次研究采用的轴承包括状态良好的轴承、外圈有剥落的轴承、内圈有剥落的轴承以及滚珠有剥落的轴承。轴承型号及相关参数如下:轴承型号6308,滚珠数Z二&钢球直径d=15nrni,滚道节径E=65.5mm,接触角a二6度。采样频率为20kHz,每种故障的轴承信号采样4次。1.2方法1.2.1包络样本爛(1)EMD理论。EMD方法可以把原始信号分解成一系列本征模态函数(TMF)。每个IMF都符合以下2个条