公开(公告)号：CN109612732A

公开(公告)日：2019-04-12

申请号：CN201910069214.7

申请日：2019-01-24

Applicant: 北华大学

Inventor： 周小龙 ,  杨恭勇 ,  姜振海 ,  马风雷

IPC: G01M13/045

Abstract: 本发明公开了一种基于解卷积和包络谱的滚动轴承故障诊断方法，为研究不同损伤程度情况下，对滚动轴承工作状态分类识别结果的影响，对滚动轴承滚动体故障信号进行分析，转轴转速1800r/min，采样频率12000Hz，损伤程度按损伤点直径分为轻微、中等和重度，本发明结构科学合理，使用安全方便，该方法首先对滚动轴承振动信号利用MCKD算法进行故障特征增强，对增强后信号进行VMD分解，通过基于能量熵增量、峭度准则选取包含主要故障特征信息的IMF分量，提取各敏感IMF分量的包络谱特征幅值比和包络谱熵以更好地反映和量化故障特征信息，并采用模糊C均值聚类算法对故障状态识别，实现滚动轴承工作状态和故障类型的诊断。

公开(公告)号：CN109708875A

公开(公告)日：2019-05-03

申请号：CN201910070010.5

申请日：2019-01-24

Applicant: 北华大学

Inventor： 周小龙 ,  杨恭勇 ,  姜振海 ,  马风雷

IPC: G01M13/02

Abstract: 本发明公开了一种基于变分模态分解Volterra模型奇异值熵的转子故障诊断方法，包括数据采集、信号分解、选取分量、模型建立、建立向量矩阵、奇异值计算、数据选取、代入检测和故障诊断，本发明结构科学合理，使用安全方便，本发明在对转子故障进行检测时，通过变分模态分解将转子振动信号分解为一系列固有模态函数分量，建立出二阶Volterra自适应预测模型，并获取模型参数向量，通过获取的模型参数向量，建立初始特征向量矩阵，随后对奇异值进行归一化处理，得出奇异值熵，构建奇异值特征向量公式，随后通过模糊C均值聚类算法将取出的部分样本数据进行计算，得出数据并进行记录，最后根据计算出的数据，得出转子故障原因。

公开(公告)号：CN109708875B

公开(公告)日：2020-11-10

申请号：CN201910070010.5

申请日：2019-01-24

Applicant: 北华大学

Inventor： 周小龙 ,  杨恭勇 ,  姜振海 ,  马风雷

IPC: G01M13/028

Abstract: 本发明公开了一种基于变分模态分解Volterra模型奇异值熵的转子故障诊断方法，包括数据采集、信号分解、选取分量、模型建立、建立向量矩阵、奇异值计算、数据选取、代入检测和故障诊断，本发明结构科学合理，使用安全方便，本发明在对转子故障进行检测时，通过变分模态分解将转子振动信号分解为一系列固有模态函数分量，建立出二阶Volterra自适应预测模型，并获取模型参数向量，通过获取的模型参数向量，建立初始特征向量矩阵，随后对奇异值进行归一化处理，得出奇异值熵，构建奇异值特征向量公式，随后通过模糊C均值聚类算法将取出的部分样本数据进行计算，得出数据并进行记录，最后根据计算出的数据，得出转子故障原因。