| 基于数学形态学分形理论与PNN的轴承状态监测与故障诊断 |
| |
| 引用本文： | 林懿,龙伟,李炎炎,张庆华.基于数学形态学分形理论与PNN的轴承状态监测与故障诊断[J].四川大学学报(自然科学版),2021,58(5):053002. |
| |
| 作者姓名： | 林懿 龙伟 李炎炎 张庆华 |
| |
| 作者单位： | 四川大学机械工程学院,四川大学机械工程学院,四川大学机械工程学院,四川大学机械工程学院 |
| |
| 基金项目： | 2020年第一批工业互联网试点示范项目（101）； 四川大学与宜宾市人民政府市校战略合作项目（2019CDYB-3） |
| |
| 摘 要： | 针对滚动轴承状态监测实时性差、故障诊断准确率低的问题，提出一种基于改进局部均值分解（ILMD）和数学形态学分形理论的特征提取算法，并结合概率神经网络（PNN）完成对轴承状态的智能化识别分类.该算法首先通过ILMD分解轴承原始振动信号，选取相关性系数最大的两阶分量，求取其分形维数作为特征向量；其次,结合盒维数理论，将“形态学覆盖面积”作为第三维特征向量，同时构建起三维特征矩阵；最后将特征矩阵输入PNN以完成状态的识别分类.使用西储大学实测轴承数据验证算法，结果表明，该算法不仅能够精确识别不同状态的轴承，还能有效分类同种故障下不同损伤程度的轴承状态，平均识别率超过99.6%，平均识别时间0.21s.
|
| 关 键 词： | 故障诊断 轴承 数学形态学 分形维数 概率神经网络 |
| 收稿时间： | 2020/12/14 0:00:00 |
| 修稿时间： | 2021/4/30 0:00:00 |
Bearing condition monitoring and fault diagnosis based on mathematical morphology and fractal theory and PNN |
| |
| LIN Yi,LONG Wei,LI Yan-Yan and ZHANG Qing-Hua.Bearing condition monitoring and fault diagnosis based on mathematical morphology and fractal theory and PNN[J].Journal of Sichuan University (Natural Science Edition),2021,58(5):053002. |
| |
| Authors: | LIN Yi LONG Wei LI Yan-Yan and ZHANG Qing-Hua |
| |
| Institution: | School of Mechanical Engineering, Sichuan University,School of Mechanical Engineering, Sichuan University,School of Mechanical Engineering, Sichuan University,School of Mechanical Engineering, Sichuan University |
| |
| Abstract: | |
| |
| Keywords: | Fault diagnosis Bearing Mathematical morphology Fractal dimension Probabilistic neural network |
|
| 点击此处可从《四川大学学报(自然科学版)》浏览原始摘要信息 |
| 点击此处可从《四川大学学报(自然科学版)》下载免费的PDF全文 |
