公开(公告)号：CN108982107A

公开(公告)日：2018-12-11

申请号：CN201810837758.9

申请日：2018-07-26

Applicant: 北京工业大学

Inventor： 崔玲丽 ,  王加龙 ,  孟宗 ,  姜宏 ,  王鑫

IPC: G01M13/04 ,  G06F17/18

CPC classification number: G01M13/045 ,  G06F17/18

Abstract: 本发明公开了一种基于形态学和多尺度排列熵均值的轴承故障定量趋势诊断方法，当轴承内圈或者外圈故障尺寸变化时，其振动信号的调制程度会发生变化，这些变化影响其振动信号的复杂度和随机性。该方法应用了多尺度排列熵在表征振动信号不确定性程度方面的优越性，绘制多尺度排列熵均值与故障大小关系图，继而实现对滚动轴承故障定量趋势诊断。实验采集到的振动信号中含有很重的噪声和大量的干扰信号，为了去除噪声的干扰并且增强振动信号的冲击特性，将多尺度形态学引用到本发明中，大大提高了滚动轴承故障定量趋势的准确度。

公开(公告)号：CN108982107B

公开(公告)日：2019-07-12

申请号：CN201810837758.9

申请日：2018-07-26

Applicant: 北京工业大学

Inventor： 崔玲丽 ,  王加龙 ,  孟宗 ,  姜宏 ,  王鑫

IPC: G01M13/045 ,  G06F17/18

Abstract: 本发明公开了一种基于形态学和多尺度排列熵均值的轴承故障定量趋势诊断方法，当轴承内圈或者外圈故障尺寸变化时，其振动信号的调制程度会发生变化，这些变化影响其振动信号的复杂度和随机性。该方法应用了多尺度排列熵在表征振动信号不确定性程度方面的优越性，绘制多尺度排列熵均值与故障大小关系图，继而实现对滚动轴承故障定量趋势诊断。实验采集到的振动信号中含有很重的噪声和大量的干扰信号，为了去除噪声的干扰并且增强振动信号的冲击特性，将多尺度形态学引用到本发明中，大大提高了滚动轴承故障定量趋势的准确度。