科研动态
首页 > 科研动态 > 正文

肖茂华教授课题组提出了一种滚动轴承故障提取新方法

来源: 日期:2023-10-12 点击数:

近日,我院肖茂华教授在学术期刊《ISA Transactions》(IF=7.3,南农A类期刊,工程领域TOP 10%期刊)上发表题为“A new fault feature extraction method of rolling bearings based on the improved self-selection ICEEMDAN-permutation entropy”的研究论文。

滚动轴承由于其精度高、成本低、使用寿命长等优点,被广泛应用于风力发电、造船、航空航天等领域。然而,机械设备中约50%的电机故障是由滚动轴承损坏引起的。因此,滚动轴承的故障诊断一直是机械设备稳定运行研究中的热点和难点。

本研究提出了一种基于改进的自适应噪声完全集成经验模态分解(ICEEMDAN)和排列熵的特征提取方法。该方法首先对ICEEMDAN算法进行改进和优化,使其具有自选择功能,然后利用该算法将振动信号分解为多个固有模态函数,提取排列熵作为滚动轴承的故障特征,提高了故障分类的精度,实现了不同故障状态的智能特征提取。然后,使用凯斯西储大学数据集进行验证,结果表明,该方案能够有效分离轴承不同状态下的振动信号特征,并可用于表征不同轴承信号的特征。最后,基于我校自主开发的机械传动系统轴承实验平台,实验结果表明,与未改进的ICEEMDAN算法相比,所提方法的诊断准确率为99.5%,提高了6.4%,可有效用于滚动轴承的特征提取。

图1:改进的自选ICEEMDAN算法步骤流程图

南京农业大学为本文第一单位,肖茂华教授为第一作者兼通讯作者,奥地利维也纳技术大学等也参与了该研究。

文章链接:

https://doi.org/10.1016/j.isatra.2023.09.009

版权所有:南京农业大学工学院

地址:江苏省南京市浦口区点将台路40号

邮编:210031      邮箱:coe@njau.edu.cn     

苏ICP备11055736号-3