-
题名发动机高速滚动轴承磨损故障信号特征识别
- 1
-
-
作者
李深磊
李鹏
-
机构
郑州商学院信息与机电工程学院
桂林电子科技大学海洋工程学院
-
出处
《机械设计与制造》
北大核心
2024年第1期265-269,共5页
-
基金
郑州市2021年度社科调研课题—郑州先进制造业发展背景下应用型人才培养模式探索—以郑州商学院为例(ZSJX20221137)。
-
文摘
发动机高速滚动轴承在恶劣的工作环境下长时间使用,会导致其出现磨损故障,严重影响发动机的正常运行,且故障类型多样,每种故障类型都有其独特的特征,使得故障信号特征识别困难。为了有效解决这一问题,提出了一种发动机高速滚动轴承磨损故障信号特征识别方法。通过对发动机高速滚动轴承的振动信号进行EEMD分解和重建,获得其固有振动模态函数IMF,根据所得的IMF构建Hankel矩阵,获得拼接的奇异值样本特征矢量。通过划分样本空间和设置迭代阈值的方式,采用模糊聚类算法对故障样本聚类,计算出每个样本在不同聚类中的隶属度,以获得其贴近程度和故障特征。通过实验证明,所提算法能够较好的判别机械故障,准确性高,误报错报概率小,可确保设备的安全运行。
-
关键词
EEMD算法
FCM算法
发动机高速滚动轴承
轴承机械故障
特征向量提取
-
Keywords
EEMD Algorithm
FCM Algorithm
Engine High-Speed Rolling Bearing
Mechanical Failure of Bearing
Feature Vector Extraction
-
分类号
TH16
[机械工程—机械制造及自动化]
TH133.3
[机械工程—机械制造及自动化]
-