摘 要: | 运用SPA散布熵与SG聚类方法对滚动轴承故障进行智能诊断。先通过平滑先验分析(SPA)的过程处理轴承振动信号获得趋势项与波动项;再对散布熵值进行计算得到故障特征向量,最后利用SG分类器对特征向量聚类识别。研究结果表明:通过分析系统参数对DE值的影响确定最优的取值:高嵌入维数3,类别6,时间延迟1。利用SG模糊聚类方法处理SPA-DE,不同的故障类型聚集于靠近聚类中心的区域,相邻聚类中心间形成了明显间隔,并未出现不同故障问题的相互交叉混叠,因此采用本文方法对各类轴承故障进行诊断时可以实现优异故障分类性能。相对EMD-DE-SG聚类诊断模式,本文算法具备更大分类系数,与1达到了更大的接近程度,大幅降低了平均模糊熵,判断本文算法对于各损伤程度的轴承故障具备更优的诊断性能。根据滚动轴承测试参数可知可以采用此方法快速准确识别轴承各类故障问题及其严重程度,可以实现故障的可靠诊断效果。
|