基于LMD-MFE和DHMM的滚动轴承故障诊断算法-应用生态学报.PDF

第38 卷 第4 期 噪 声 与 振 动 控 制 Vol 38 No.4 2018 年8 月 NOISE AND VIBRATION CONTROL Aug. 2018 文章编号：1006-1355(2018)04-0169-05 基于LMD-MFE 和DHMM 的滚动轴承 故障诊断算法 1 2 3 丁 伟 ，王松涛 ，胡 晓 （1. 江苏信息职业技术学院 汽车工程学院，江苏 无锡 214153 ； 2. 深圳清华大学研究院，广东 深圳 518057 ；3. 中国矿业大学 机电工程学院，江苏 徐州 221116 ） 摘 要：针对滚动轴承在恶劣环境影响下，其特征信息难以被有效提取出来的问题，提出一种基于局部均值分解 (Local Mean Decomposition ，LMD)和多尺度模糊熵(Multiscale Fuzzy Entropy ，MFE) 的滚动轴承故障诊断算法。首先， 利用LMD 对轴承振动信号进行分解，得到一系列乘积函数(Product function ，PF)分量，并与经验模态分解(Empirical Mode Decomposition ，EMD)进行对比，分析其优越性；然后对每一个分量分别提取MFE 特征，同时与多尺度样本熵 (Multiscale Sample Entropy ，MSE)进行对比，分析MFE 的优越性；最后结合各个轴承状态的类间平均距离对多个尺度 因子下的熵值进行优选，筛选出可分性良好的敏感特征集，并输入到离散隐马尔科夫模型(Discrete Hidden Markov Models ，DHMM)模式分类器中对轴承故障类型进行诊断识别。实验结果表明，所提出的基于LMD 和MFE 的轴承故障 诊断算法能较好识别出多种轴承故障类型。 关键词：振动与波；滚动轴承；局部均值分解；多尺度模糊熵；DHMM ；故障诊断 中图分类号：TP306 文献标志码：A DOI 编码：10.3969/j.issn. 1006-1355.2018.04.033 Fault Diagnosis Algorithm of Rolling Bearings Based on LMD-MFE and DHMM 1 2 3 DING Wei , WANG Songtao , HU Xiao ( 1. School of Automotive Engineering, Jiangsu Vocational College of Information Technology, Wuxi 214153, Jiangsu China; 2. Research Institute of Tsinghua University in Shenzhen, Shenzhen 518057, Guangdong China; 3. School of Mechatronic Engineering, China University of Mining and Technology, Xu