陈俊杰
- 作品数：1 被引量：4H指数：1
- 供职机构：江南大学通信与控制工程学院自动化研究所更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：机械工程更多>>
- 针对滚动轴承故障诊断的新时频特征提取方法被引量：4
- 2016年
- 针对滚动轴承的故障诊断,提出了一种基于词包模型和短时傅里叶变换的特征提取方法。根据轴承故障的产生机理,不同轴承的振动信号在频域上会有相应的能量分布规律,然而在实际现场中,信号干扰或者生产环境等因素会弱化这种规律性,使得在频谱上难以准确看到相应分布特征。当采用词包模型时,把每一时间帧下能量在频率维度上的分布看成一个单词,则每段信号就表示成了由各个单词组成的一篇篇文档,这就可以直接从数据的角度去揭示能量分布的这种规律性。然后,以词包模型处理后的结果作为特征向量,用SVM分类算法诊断出结果。最后用无锡某汽车生产线SQI-MFS实验平台和美国凯斯西储大学的轴承振动数据进行了实验,实验验证了该方法比时域特征(RMS)和时频域特征(WE&WEE)的诊断结果精确,可以在滚动轴承故障诊断领域展开应用。
- 陈俊杰王晓峰刘飞周文晶
- 关键词：故障诊断短时傅里叶变换SVM
