《机电工程》杂志,月刊( 详细... )

中国标准连续出版物号 ISSN 1001-4551 CN 33-1088/TH
主办单位浙江省机电集团有限公司
浙江大学
主编陈 晓
副 主 编唐任仲、罗向阳(执行主编)
总 经 理罗向阳
出 版浙江《机电工程》杂志社有限公司
地 址杭州市上城区延安路95号浙江省机电集团大楼二楼211、212室
电话Tel+86-571-87041360、87239525
E-mailmeem_contribute@163.com
国外发行中国国际图书贸易总公司
订阅全国各地邮局   国外代号M3135
国内发行浙江省报刊发行局
邮发代号32-68
广告发布登记证:杭上市管广发G-001号

在线杂志

当前位置: 机电工程 >>在线杂志

基于RCMRFDE和ELM的 滚动轴承故障检测方法

作者:周经龙,乔惠萍 日期:2023-03-23/span> 浏览:1377 查看PDF文档

基于RCMRFDE和ELM的
滚动轴承故障检测方法*
周经龙1,2,乔惠萍3

(1.北京大学 智能学院,北京 100091;2.重庆科创职业学院 人工智能学院,
重庆 402160;3.山西工程科技职业大学 计算机工程学院,山西 晋中 030031)


摘要:为了有效地提升滚动轴承故障诊断的可靠性和准确性,鉴于精细复合多尺度反向波动散布熵(RCMRFDE)方法在描述非线性序列复杂度和特征提取方面的优势,提出了一种结合RCMRFDE和极限学习机(ELM)的滚动轴承综合故障检测方法(该方法包括健康检测和故障分类)。首先,根据滚动轴承健康和故障振动信号复杂性具有显著性差异的特点,利用RCMRFDE预先检测了滚动轴承的健康状态,筛选出了健康轴承;然后,采用RCMRFDE提取出了剩余故障轴承的故障特征,并采用极限学习机(ELM)对故障类型进行了智能化的识别;最后,基于两种公开的滚动轴承故障实验数据,分别采用RCMRFDE+ELM方法与其他5种故障诊断方法进行了检测,并将所得结果进行了比较分析,以验证新方法的检测精度、分类准确率、效率和可靠性。研究结果表明:采用RCMRFDE+ELM方法能够准确地检测出滚动轴承是否存在故障,并且在二次实验中,对于故障轴承的平均识别准确率分别达到了99.96%和99.67%,均高于其他方法。该方法可以为建立滚动轴承的健康监测模型提供阈值设置方法和诊断思路。

关键词:轴承故障诊断;故障特征提取;轴承健康检测;故障分类;精细复合多尺度反向波动散布熵;极限学习机;综合故障检测

中图分类号:TH133.33文献标识码:A文章编号:1001-4551(2023)01-0001-10



周经龙,乔惠萍.基于RCMRFDE和ELM的滚动轴承故障检测方法[J].机电工程,2023,40(1):1-10.

ZHOU Jing-long, QIAO Hui-ping.Fault diagnosis method of rolling bearing based on RCMRFDE and ELM[J].Journal of Mechanical & Electrical Engineering,2023,40(1):1-10.




友情链接

浙江机械信息网