公开(公告)号：CN108051213A

公开(公告)日：2018-05-18

申请号：CN201810029778.3

申请日：2018-01-12

Applicant: 上海电力学院

Inventor： 应雨龙 ,  李靖超 ,  何家振 ,  左冲

IPC: G01M13/04

CPC classification number: G01M13/045

Abstract: 本发明涉及一种滚动轴承在线故障检测方法，首先从轴承振动信号，利用四维联合熵特征与Holder系数特征提取算法，提取任意振动信号中表征故障特征的主导特征向量，然后通过灰色关联理论算法自动地识别出轴承的故障类型及不同的严重程度。解决采用传统时域和频域方法不易对滚动轴承工作健康状况做出准确的评估的问题，本发明准确有效的识别不同的滚动轴承故障类型及故障严重程度；四维联合熵特征与Holder系数特征提取算法，能够从滚动轴承的振动信号中提取出更具区分度的表征故障特征的特征向量；灰色关联算法对滚动轴承的故障识别成功率能够达到100%，而对不同故障类型及故障严重程度的总体识别成功率也能达到约97%。

公开(公告)号：CN108398265A

公开(公告)日：2018-08-14

申请号：CN201810035717.8

申请日：2018-01-15

Applicant: 上海电力学院

Inventor： 应雨龙 ,  李靖超 ,  何家振 ,  左冲

IPC: G01M13/04

CPC classification number: G01M13/045

Abstract: 本发明涉及一种滚动轴承在线故障检测方法，包括以下步骤：1)建立样品知识库，该样品知识库中存储有不同故障模式与主导特征向量的对应关系；2)在线获取当前运行状态下的待诊断滚动轴承的实时振动信号，提取所述实时振动信号的主导特征向量；3)利用灰色关联算法计算所述实时振动信号的主导特征向量与样品知识库中各主导特征向量间的关联度，根据所述关联度判定待诊断滚动轴承所属的故障模式。与现有技术相比，本发明能够解决采用传统时域和频域方法不易对滚动轴承工作健康状况做出准确的评估的问题，在确保检测实时性的同时准确有效的识别不同的滚动轴承故障类型及故障严重程度。