机床与液压

作者：周小龙，孙永强，卢杰，王昊男，吴兆龙，李坤恒

单位：北华大学机械工程学院；北华大学机械工程学院；长春冠信瑞达轨道客车配件有限公司；北华大学机械工程学院；北华大学机械工程学院；北华大学机械工程学院

关键词：滚动轴承;故障诊断;变分模态分解;形态谱;模糊C均值聚类

基金：吉林省科技发展计划项目（20210203047SF）;吉林省教育厅科学技术研究项目（JJKH20220047KJ）

针对滚动轴承故障信号的非线性特性及不同故障类型信号具有不同形态特征的特点，提出一种基于改进变分模态分解（VMD）形态谱和模糊C均值聚类（FCM）算法相结合的故障诊断方法。采用VMD方法对滚动轴承振动信号进行分解，针对分解过程中关键参数的选取，提出相关参数选择方法，并计算各固有模态函数(IMF)的能量波动系数，以获得对信号特征信息敏感的模态分量进行重构。计算重构信号的形态谱以反映信号的形态特征。通过FCM算法实现滚动轴承工作状态和故障类型的诊断。运用该方法对实测滚动轴承振动信号进行分析，并将所提方法同基于原始振动信号、经验模态分解、总体经验模态分解形态谱的故障特征提取方法进行对比。结果表明：所提方法能够更加有效提取滚动轴承信号的故障特征，实现故障类型的准确诊断。

来源：2023年第13期

《机床与液压》期刊编辑部

查看机床与液压杂志2023年第13期