Noise and Vibration Control ›› 2023, Vol. 43 ›› Issue (6): 123-128.

Previous Articles     Next Articles

A New Method of Bearing Fault Diagnosis Based on the Combination of Time-frequency Feature Reduction and Multi-level Clustering

  

  • Received:2022-07-18 Revised:2022-12-05 Online:2023-12-18 Published:2023-12-18

时频特征降维和多层次聚类相结合的轴承故障诊断新方法

柳霞1,蒋淑霞1,张长伟2,何泽江1,刘文1   

  1. ( 1. 中南林业科技大学机电工程学院,长沙410004;2. 上海汽车变速器有限公司,上海201800 )

摘要: 从含噪信号中判断滚动轴承是否发生故障,同时确定故障发生位置和缺陷程度,针对这一轴承工作状态监测的核心问题,提出一种结合小波频带剖分、主成分分析、多层次聚类的滚动轴承故障诊断方法。首先,利用小波最优分解层数将获取的原始信号进行小波包分解得到小波能量谱;然后另取18 个时域频域特征指标共同构成特征参数集,再经主成分分析处理,将参数集降到合适的维数;最后利用最佳类间距、样本间距组合和聚类有效性评价建立多层次聚类挖掘系统。实验和应用案例表明:该方法能够准确有效地诊断滚动轴承的不同故障类型和损伤程度,准确率达99.3 %,可为轴承状态监测与智能故障诊断提供有效的理论参考。

关键词: 故障诊断, 小波频带剖分, 多层次聚类系统, 聚类有效性, 状态评估