《机电工程》杂志,月刊( 详细... )

中国标准连续出版物号 ISSN 1001-4551 CN 33-1088/TH
主办单位浙江省机电集团有限公司
浙江大学
主编赵 群
副 主 编唐任仲、罗向阳(执行主编)
总 经 理罗向阳
出 版浙江《机电工程》杂志社有限公司
地 址杭州市上城区延安路95号浙江省机电集团大楼二楼211、212室
电话Tel+86-571-87041360、87239525
E-mailmeem_contribute@163.com
国外发行中国国际图书贸易总公司
订阅全国各地邮局   国外代号M3135
国内发行浙江省报刊发行局
邮发代号32-68
广告发布登记证:杭上市管广发G-001号

在线杂志

当前位置: 机电工程 >>在线杂志

基于振动信号显著性序列的滚动轴承状态诊断方法研究

作者:刘志翔,朱明,付铭,等 日期:2021-10-20/span> 浏览:912 查看PDF文档

基于振动信号显著性序列的滚动
轴承状态诊断方法研究*
刘志翔1,朱明2,付铭2,梅杰2,徐惠3,4,聂德鑫3,4,李永祥1

(1.国网山西省电力公司 电力科学研究院,山西 太原 030001;
2.华中科技大学 电子信息与通信学院,
湖北 武汉 430074;
3.南瑞集团(国网电力科学研究院)有限公司,江苏 南京 211106;

4.国网电力科学研究院 武汉南瑞有限责任公司,湖北 武汉 430074)


摘要:为提升基于时域信号的滚动轴承状态诊断准确率,提出了一种基于振动信号显著性序列的滚动轴承状态诊断方法。首先,将采集得到的振动信号归一化后进行了傅里叶变换,得到对数幅度谱和平均对数谱,并将二者相减获得了信号的谱残差;然后,对谱残差通过傅里叶逆变换映射回时间域,得到了信号的显著性序列;最后,将显著性序列输入到状态诊断模型中,对滚动轴承运行状态进行了分类,实现了对滚动轴承的状态诊断。实验及研究结果表明:相对于原振动信号,显著性序列可以有效地提高分类准确率,特别是对信噪比(SNR)较差的振动信号,如混有-6dB的高斯白噪声,以支持向量机(SVM)及卷积神经网络(CNN)分别作为状态诊断模型,显著性序列的状态诊断准确率较原振动信号可分别提高9%和10.75%;对于利用卷积神经网络的状态诊断模型,显著性序列还能有效缩短网络模型训练时间,提高系统的时效性。

关键词:振动信号;滚动轴承状态诊断;显著性序列;谱残差;机器学习

中图分类号:TH133.33文献标识码:A文章编号:1001-4551(2021)08-0944-08





本文引用格式:

刘志翔,朱明,付铭,等.基于振动信号显著性序列的滚动轴承状态诊断方法研究[J].机电工程,2021,38(8):944-951.



友情链接

浙江机械信息网