基于全矢小波包能量熵的滚动轴承智能诊断.pdf

基于全矢小波包能量熵的滚动轴承智能诊断.pdf

ID:52971944

大小:250.35 KB

页数:3页

时间:2020-04-05

基于全矢小波包能量熵的滚动轴承智能诊断.pdf_第1页
基于全矢小波包能量熵的滚动轴承智能诊断.pdf_第2页
基于全矢小波包能量熵的滚动轴承智能诊断.pdf_第3页
资源描述:

《基于全矢小波包能量熵的滚动轴承智能诊断.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、第2期机械设计与制造2012年2月MachineryDesign&Manufacture233文章编号:i001~3997(2012)02—0233—03基于全矢小波包能量熵的滚动轴承智能诊断牢袁浩东陈宏侯亚丁(郑州大学振动工程研究所,郑州450001)IntelligentdiagnosisofrollingbearingbasedonfullvectorwaveletpacketenergyentropyYUANHao—dong,CHENHong,HOUYa—ding(ResearchInstituteofVibrationEngineering,Zhen

2、gzhouUniversity,Zhengzhou450001,China)【摘要】研究滚动轴承不同状态下的振动信号,使用小波包变换提取信号各频带的能量熵,作为轴承故障的特征,然后使用支持向量机智能诊断轴承不同故障。传统单通道信号诊断方法容易造成误诊,全矢小波包能量熵融合了振动信号双通道的信息,能更准确地反映故障的特征。实验结果表明,采用全矢小波包能量熵比传统单通道方法有更高的诊断精度。关键词:滚动轴承;全矢谱;小波包变换;能量熵【Abstract】Researchonthevibrationsofrollingbearingunderdifferentsta

3、te,usingwaveletpackettransformtoextractenergy/entropyofeachfrequencybandofs~gnal∞thefeatureofbearingfault.thenusingsupportvectormachinetodiagnosedifferentfauhsofbearingintelligently.Itiseasytobemisdi-agnosedwiththetraditionalsinglechannelsignaldiagnosticmethod.Fullvectorwaveletpacke

4、tenergyen-tropyintegratestwo--channelinformationofvibrationsigna1.ItcartreflectthecharacteristicsoffaultmoreaccurateTestresultsshowthat,fullvectorwaveletpacketenergyentropyhasahigherdiagnosisaccuracythanthetraditionalsinglechannelmethod.Keywords:Rollingbearing;Vectorspectrum;Wavelet

5、packettransform;Energyentropy中图分类号:TH16,TH133.33文献标识码:A1引言2_2小波包能量熵信息熵描述了系统的不确定性程度,振动信号的信息熵特滚动轴承是旋转机械中非常重要的零件,很有必要开展滚征能较好反映振动状态。在信号处理领域,信息熵的应用十分广动轴承故障诊断方法的研究。泛。小波包能量熵反映了振动信号在各个频带内的谱型结构,各研究了滚动轴承不同运行状态下的振动信号,轴承故障时频带内振动能量的频率分布越均匀,则信号越复杂,不确定性程的振动信号通常为非平稳信号,传统的傅立叶变换难以从中提取度越大目。出有效的故障特征。使用

6、小波包能量熵法,对轴承振动信号进行小波包分解重构,从中求得小波包各频带的能量熵作为特征向假设{d}q=0,1,⋯7,k=0,1,2,⋯N一1)为重构后的小波包量,然后使用支持向量机进行模式识别。支持向量机以统计学习第三层第个频带的系数,对其进行傅立叶变换得到{D},则其理论为基础,具有较好的分类和泛化性能,成为解决机械故障小功率谱为:样本模式识别问题的常用方法_I1。EJ∽=f2-=0'1,2,⋯N/2—1)(1)传统方法只使用单通道信号进行特征提取,容易造成误判,结合全矢谱技术,对双通道的信号进行全信息融合,提取信号各{E∽}(=0,1,2,⋯N/2—1)可

7、以看作信号在频域内的能量频带的全矢小波包能量熵作为特征向量。实验结果表明全矢小分布,由此可以定义其香农信息熵即小波包能量熵日,:波包能量熵能全面反映轴承的状态,可以提高轴承故障诊断的N/2一I精度。一jJ(2)2振动信号特征提取式中:—第k个功率谱在全部谱中所占的比例,规定ln(0)=0。2.1小波包变换2.3全矢功率谱使用dbl小波函数,对轴承振动信号进行三层小波包分解,旋转机械的状态检测通常使用同一截面相互垂直的两个传得到各层的小波包分解系数,第三层将信号分解到由低到高的8感器来测试设备的振动信号,由于转子的涡动特性,任一通道的个频带,然后重构第三层小波包

8、分解系数目。信息均不能反映设备的实际运

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。