典型文献
一种新的图谱域滚动轴承早期故障检测与识别方法
文献摘要：
健康状态在线诊断是保证滚动轴承可靠运行的重要手段.局部均值分解(local mean decomposition,LMD)作为一种自适应分解方法,其分解得到的分量信号可对非平稳信号进行多尺度描述,但其分解得到的分量信号往往存在数据量过大,难以直接从中获取早期微弱故障特征等问题.为了解决上述问题,该研究提出了一种新的图谱域滚动轴承早期故障检测与识别方法.首先利用局部均值分解,将滚动轴承振动信号分解到多个尺度,在此基础上采用图论方法对振动信号进行动态建模;计算相邻模型间的相似性建立起动态特性的量化指标,依据拉依达准则对早期故障进行检测决策;最后采用模式分类方法实现故障类型的识别.该方法分别在XJTU-SY和美国凯斯西储大学(CWRU)数据集上进行试验验证.结果表明,该方法能够有效实现滚动轴承的早期故障检测与识别的任务.
文献关键词：
滚动轴承;早期故障检测;故障诊断;图建模;局部均值分解(LMD)
中图分类号：
作者姓名：
陈子旭;朱振杰;卢国梁
作者机构：
山东大学 机械工程学院,济南 250061;山东大学 高效洁净机械制造教育部重点实验室,济南 250061;山东大学 机械工程国家级实验教学示范中心,济南 250061
文献出处：
引用格式：
[1]陈子旭;朱振杰;卢国梁-.一种新的图谱域滚动轴承早期故障检测与识别方法)[J].振动与冲击,2022(06):51-59
A类：
B类：
谱域,早期故障检测,检测与识别,健康状态,在线诊断,可靠运行,局部均值分解,local,mean,decomposition,LMD,分解方法,非平稳信号,数据量,量过大,早期微弱故障,故障特征,滚动轴承振动信号,信号分解,图论方法,动态建模,起动,动态特性,量化指标,拉依达准则,模式分类,分类方法,故障类型,XJTU,SY,凯斯,CWRU,图建模
AB值：
0.344864
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
