第11期 2017年11月
组合机床与自动化加工技术
Modular Machine Tool & Automatic Manufacturing Technique
文章编号：10012265(2017)11007803
DOI:10. 13462/j cnki. mmtamt. 2017. 11. 020
变模式分解和熵值法的轴承故障诊断
杨治飞，隋文涛，梁钊
（山东理工大学机械工程学院，山东淄博255000）
No.11 Nov.2017
摘要：针对峭度等单一指标筛选最优频带所存在的困难，提出了利用摘值法计算多指标的权重，将多个与滚动轴承故障有关的特征指标进行融合。对轴承振动信号进行变模式分解，再对多个频带进行筛选，后得出最优频带，并对最优频带进行频谱分析。通过实际信号对该方法进行了验证，结果表明该方法能准确判明轴承运行状态。
关键词：变模式分解；特征提取；值法；故障诊断
中图分类号：TH165；TG506
文献标识码：A
Bearing Fault Diagnosis Based on Variable Mode Decomposition and Entropy Value Method
YANG Zhi-fei, SUI Wen-tao, LIANG Zhao
(School of Mechanical Engineering, Shandong University of Technology,ZiBo Shandong 255000, China) Abstract: Aiming to the difficulty in finding the optimum frequency band using single index, for example kurtosis, it is proposed to apply multi index weight calculated by entropy the method, and then fuse these multiple characteristic index for rolling bearing fault detection. The vibration signal is decomposed by varia-ble mode decomposition, and then the optimal frequency band is selected. The frequency analysis is conduc-ted to the optimal frequency band. The results show that the bearing operation condition can be recognized accurately by the proposed method.
Key words: variable mode decomposition; feature extraction; entropy method; fault diagnosis
0引言
很多旋转机械设备是长期处于高速运行的，并且其工作环境往往是处于重载、高压、高温的恶劣工况下，滚动轴承作为设备当中的关键支撑部件在运行的过程中出现各种故障也就不可避免。滚动轴承故障诊断的本质就是模式识别的过程，可以将其分为两部分特征提取和故障分类[12]。处于故障当中的滚针轴承，其振动信号不同频带上所携带的信息也会异于正常滚动轴承，如果能够提取出携带故障信息的特征频带即最优频带，将其进行频谱分析就能够判断出故障类型[34]。所以，滚动轴承故障诊断的关键就是提取最优频带。文献[1]提出利用经验模态分解（empirical modedecomposition，EMD）与最大峭度解卷积（Maxi mumKurtosisDeconvolution，MKD）的滚动轴承故障特征提取方法。此方法通过时域峭度和包络谱峭度，筛选出敏感频带。文献[5]利用标准模糊C均值聚类（fuzzyC meansclustering，FCM）进行故障识别，除了外圈故障特征线发生明显迁移，其他测试样本故障特征线仍在聚类申心附近。文献6提出了一种多指标识别最优频带的方法，运用自底向上的思路，以最小化代
收稿日期：2017-01-20
价函数为条件，通过细分振动频谱，将细分的频谱进行双向合并，从而提高频带划分的精度，其代价函数是由峭度、平滑因子、峰度系数等多个指标运用模糊融合构造，有效的提高了识别最优共振频带的鲁棒性
以上文献当申所提及的方法，在滚动轴承的故障诊断方面都取得了一定的成果，但是仍然存在着一些问题需要解决，例如，采用单一指标识别共振频带方法，经常会受到噪声的干扰，降低鲁棒性。文献[3]提出的多指标模糊融合的思路十分合理，但是其建立融合函数是一个非常复杂的过程。本文针对以上同题提出了基于变模式分解（VariationalModeDecomposition， VMD)和值法确定多指标权重的滚动轴承故障诊断方法。首先利用变模态分解方法将滚动轴承故障信号进行分解，然后对分解所得到的各个分量进行筛选，从中筛选出最优频带，筛选的方法是首先提取出几个有效的特征指标，然后利用嫡值法确定不同指标的权重，从而将不同特征指标进行融合，计算出各个分量的最终得分，其中得分分最小的分量即为最优频带。
变模态分解的基本原理及算法
变模态分解方法是由Dragomiretskiy和Zosso提出
*基金项目：国家自然科学基金（51305243）；山东省自然科学基金（ZR2016EEM20）
作者简务数据989—），男，山东德州人，山东理工大学士研究生，研究方向为故障检测，（E－mail)1475596125@qq:eom：通讯作者：隋文涛
（努增，男，山东烟台人，山东理工大学副教授，博士，研究方向为机械电子，（E-mail）suiwt@163.com