公开(公告)号：CN106769052A

公开(公告)日：2017-05-31

申请号：CN201710169963.8

申请日：2017-03-21

Applicant: 桂林电子科技大学

Inventor： 王衍学 ,  韦泽贤 ,  何水龙 ,  鲍家定 ,  蒋占四

IPC: G01M13/04

CPC classification number: G01M13/045

Abstract: 本发明为一种基于聚类分析的机械系统滚动轴承智能故障诊断方法，先训练诊断模型：包括采集外圈、内圈、滚动体和保持架故障及正常五种轴承状态标准振动信号样本；信号分解，原始振动信号和分解后分量的时域与频域特征提取，得原始特征集；自权重算法和AP聚类去除冗余得Z个优选特征；再次用AP聚类，完成样本状态分类，得到训练好的诊断模型。故障诊断时采集轴承实时振动信息，信号分解，提取模型确定的优选特征，导入AP按诊断模型参数聚类，与模型中已知的Z个特征比较，得到当前未知信号类别，完成故障诊断。本发明同时使用EEMD与WPT分解振动信号，获取更多精细的轴承状态信息，自权重法和AP聚类增加诊断的智能化，保证精确诊断。

公开(公告)号：CN106769052B

公开(公告)日：2018-12-21

申请号：CN201710169963.8

申请日：2017-03-21

Applicant: 桂林电子科技大学

Inventor： 王衍学 ,  韦泽贤 ,  何水龙 ,  鲍家定 ,  蒋占四

IPC: G01M13/04

Abstract: 本发明为一种基于聚类分析的机械系统滚动轴承智能故障诊断方法，先训练诊断模型：包括采集外圈、内圈、滚动体和保持架故障及正常五种轴承状态标准振动信号样本；信号分解，原始振动信号和分解后分量的时域与频域特征提取，得原始特征集；自权重算法和AP聚类去除冗余得Z个优选特征；再次用AP聚类，完成样本状态分类，得到训练好的诊断模型。故障诊断时采集轴承实时振动信息，信号分解，提取模型确定的优选特征，导入AP按诊断模型参数聚类，与模型中已知的Z个特征比较，得到当前未知信号类别，完成故障诊断。本发明同时使用EEMD与WPT分解振动信号，获取更多精细的轴承状态信息，自权重法和AP聚类增加诊断的智能化，保证精确诊断。