›› 2018, Vol. 38 ›› Issue (5): 186-191.DOI: 10.3969/j.issn.1006-1355.2018.05.033

Previous Articles     Next Articles

Rolling Bearing Fault Diagnosis Method based on Refined Composite Multi-scale Entropy Eigenvector Correlation Coefficients

  

  • Received:2018-01-18 Revised:2018-03-01 Online:2018-10-18 Published:2018-10-18

基于精细复合多尺度熵特征向量相关系数在滚动轴承故障诊断中应用

叶金义 1,谢小平 1,2,梁烊炀 1,张福运 1   

  1. ( 1. 湖南大学汽车车身先进设计制造国家重点实验室,长沙410082;
    2. 中国汽车技术研究中心有限公司,天津300300 )
  • 通讯作者: 叶金义

摘要:

摘 要:复合多尺度熵(CMSE)是在多尺度熵(MSE)基础上提出来的,它改善了MSE存在的熵值不精确、波动较大等,但不能解决样本时间序列太短引起未定义熵问题。精细复合多尺度熵(Refined Composite Multiscale Entropy ,RCMSE)通过改进算法提高了熵估计的准确性,并降低了诱导未定义熵的概率。在此基础上,本文提出基于RCMSE特征向量关系数的轴承故障识别分类方法。该方法首先利用RCMSE对数据样本生成多尺度熵,计算测试样本与已知故障状态的训练样本的RCMSE相关系数,从而判断测试样本的状态类型。对轴承信号数据进行试验表明,该方法能100%准确的对轴承正常,内圈,外圈和滚动体故障信号识别分类。因此,该方法是一种有效的识别故障特征,为实际轴承故障诊断提供参考。

关键词: 振动与波, 精细复合多尺度熵, 故障诊断, 相关系数, 特征提取