为了准确进行轴承故障诊断,提出了基于局部特征尺度分解与基本尺度熵的故障特征提取及诊断方法。首先,分析了基本尺度熵提取轴承振动信号蕴涵的故障信息的合理性,针对基本尺度熵的参数选择问题,提出了基于相空间重构理论的延迟时间和嵌入维数选择方法;然后,运用局部特征尺度分解对基本尺度熵进行自适应多尺度化,充分提取了故障特征;最后,将原始信号的降噪数据及有用分量的基本尺度熵作为特征向量,通过支持向量机进行故障诊断。以轴承振动试验信号为例进行了验证,结果表明,所提方法能有效识别正常、内圈故障、外圈故障及滚动体故障等4种状态。 振动，振动信号的形式不确定;内圈故障机理较为复杂，本文由弯管机网站采集网络资源整理! http://www.wanguanjixie.name无规则程度高，复杂程度大。外圈故障、滚动体故障状态下轴承的振动信号存在明显周期性冲击，信号的自相似程度高，规律性较强。从数据之间的大小关系来看，4种状态可以通过基本尺度熵来体现，但是熵值差别较小，不易区分种状态相空间-电动液压弯管机张家港数控滚圆机切管机价格低液压弯管机多少钱。图24种状态相空间重构的嵌入维数选取表1不同状态轴承降噪数据及其前5个ISC的基本尺度熵值正常内圈故障外圈故障滚动体故障降噪数据4．62404．49984．48784．0942ISC14．41223．87013．47663．5725ISC23．60154．47414．48674．4474ISC33．21713．71433．68073．8300ISC42．77453．20213．17083．2783ISC52．46822．84222．81082．8781(2)4种状态下，有用分量的熵值随ISC1～ISC5发生了一定的变化，总体趋势是下降的，这是因为随着时间尺度的变化，信号逐渐变为低频信号，复杂程度变校在每一个时间尺度下，4种状态的熵值大小关系与降噪数据的熵值大小关系基本一致。但不同的尺度因子下，熵值变化趋势不同，不同的变化趋势能体现轴承的运行状态。也就是说，通过LCD将数据多尺度化，将基本尺度熵扩维，拓展了熵值的作用区域，使故障特征更为突出。运用LCD－基本尺度熵能提取轴承实际的运行状态。另取正常状态20组数据，内圈故障、外圈故障及滚动体故障状态各40组数据，分别进行降噪处理，按照延时时间τ=3，嵌入维数m=5计算降噪数据及前5个ISC的基本尺度熵作为测试样本。运用支持向量机作为分类器进行故障诊断，结果见表2。表2基于LCD－基本尺度熵的支持向量机诊断结果测试样本正确分类样本数分类准确率/%正常2020100内圈故障403587．5外圈故障4040100滚动体故障403382．5合计14012891．4从表2的诊断结果可以看出:(1)基于LCD－基本尺度熵的种状态相空间-电动液压弯管机张家港数控滚圆机切管机价格低液压弯管机多少钱本文由弯管机网站采集网络资源整理! http://www.wanguanjixie.name