-
题名基于GI-AMED的滚动轴承早期故障诊断
被引量：4
- 1
-
-
作者
崔奔
郭盼盼
张文斌
-
机构
昆明理工大学机电工程学院
红河学院云南省高校高原机械性能分析与优化省重点实验室
-
出处
《轴承》
北大核心
2023年第3期63-67,共5页
-
基金
国家自然科学基金资助项目(51769007)
云南省地方本科高校基础研究联合专项重点项目(202001BA070001-002)
云南省高校重点实验室建设计划资助项目(2018ZD022)。
-
文摘
针对滚动轴承早期故障信号受噪声干扰严重,特征频率难以提取的问题,提出了基于基尼系数(GI)和自适应最小熵解卷积(AMED)的滚动轴承早期故障诊断方法。首先,以基尼系数为指标对滚动轴承健康状态进行评估,得到轴承故障初始起点;然后,以模糊熵为标准,通过步长迭代的方式对最小熵解卷积滤波器长度L进行寻优,用优化后的自适应最小熵解卷积对轴承信号进行自适应降噪处理;最后,对预处理信号进行包络谱分析并提取故障特征频率,完成滚动轴承早期故障诊断。试验结果表明,基尼系数能够比均方根值更早判定轴承运行趋势的异常点,AMED则能够克服人为经验选取参数的局限性,且能够得到更清晰的故障特征频率,从而有效实现滚动轴承早期故障诊断。
-
关键词
滚动轴承
故障诊断
基尼系数
模糊熵
最小熵解卷积
-
Keywords
rolling bearing
fault diagnosis
Gini index
fuzzy entropy
minimum entropy deconvolution
-
分类号
TH133.33
[机械工程—机械制造及自动化]
-
