简介概要

基于时频图像的齿辊式破碎机中电机轴承故障特征提取方法

来源期刊:煤炭学报2018年第S2期

论文作者:邹雨君 田慕琴 乔建强 马兵 宋建成 张文杰

文章页码:623 - 633

关键词:齿辊式破碎机;滚动轴承;EEMD_WVD;LBP;灰度直方图;

摘    要:齿辊式破碎机中实际运行中电机轴承的振动信号耦合严重,故障脉冲往往显得微弱,故障识别难度大,特别是滚动体和内圈故障的区分。将图像纹理特征提取技术引入故障诊断,提出一种基于时频图像的轴承故障特征提取方法。首先,将聚合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)加入Wigner-Ville时频分析(Wigner-Ville Distribution,WVD)中获得无交叉项干扰的振动时频表征;其次,引入局部二值模式(Local Binary Patterns,LBP)增强时频灰度图像纹理特征,生成对应的LBP谱图;接着,以LBP灰度直方图作为特征量,压缩特征维数后利用主成分分析法(Principal Components Analysis,PCA)约减特征量;最后,将低维特征量输入BP神经网络进行故障分类。在轴承故障诊断实验中,通过和其他算法的对比分析验证了该方法具有较高的故障识别精度,且99.5%的精度充分说明了方法有效性,为准确提取齿辊式破碎机中电机的轴承故障特征提供了一种可靠手段。

详情信息展示

基于时频图像的齿辊式破碎机中电机轴承故障特征提取方法

邹雨君,田慕琴,乔建强,马兵,宋建成,张文杰

摘 要:齿辊式破碎机中实际运行中电机轴承的振动信号耦合严重,故障脉冲往往显得微弱,故障识别难度大,特别是滚动体和内圈故障的区分。将图像纹理特征提取技术引入故障诊断,提出一种基于时频图像的轴承故障特征提取方法。首先,将聚合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)加入Wigner-Ville时频分析(Wigner-Ville Distribution,WVD)中获得无交叉项干扰的振动时频表征;其次,引入局部二值模式(Local Binary Patterns,LBP)增强时频灰度图像纹理特征,生成对应的LBP谱图;接着,以LBP灰度直方图作为特征量,压缩特征维数后利用主成分分析法(Principal Components Analysis,PCA)约减特征量;最后,将低维特征量输入BP神经网络进行故障分类。在轴承故障诊断实验中,通过和其他算法的对比分析验证了该方法具有较高的故障识别精度,且99.5%的精度充分说明了方法有效性,为准确提取齿辊式破碎机中电机的轴承故障特征提供了一种可靠手段。

关键词:齿辊式破碎机;滚动轴承;EEMD_WVD;LBP;灰度直方图;

<上一页 1 下一页 >

相关论文

  • 暂无!

相关知识点

  • 暂无!

有色金属在线官网  |   会议  |   在线投稿  |   购买纸书  |   科技图书馆

中南大学出版社 技术支持 版权声明   电话:0731-88830515 88830516   传真:0731-88710482   Email:administrator@cnnmol.com

互联网出版许可证:(署)网出证(京)字第342号   京ICP备17050991号-6      京公网安备11010802042557号