总体局部特征尺度分解及ELM的滚动轴承故障诊断

来源期刊：机械设计与制造2017年第2期

论文作者：董素鸽 胡代弟 葛明涛

文章页码：226 - 230

关键词：滚动轴承;故障诊断;极限学习机;总体局部特征尺度分解;特征评估法;

摘    要：针对滚动轴承非平稳性的振动信号,提出了基于总体局部特征尺度分解（Ensemble Local Characteristic-scale Decomposition,ELCD）及极限学习机的滚动轴承故障诊断方法。首先,对振动信号进行ELCD分解,获得一系列内禀尺度分量（Intrinsic Scale Component,ISC）;其次,根据分解后ISC分量计算时域指标、能量、相对熵,利用特征评估法提取敏感特征;最后,将敏感特征向量输入极限学习机（Extreme Learning Machine,ELM）进行训练与测试,从而识别滚动轴承的故障类型。对实验信号的分析表明,该方法能够有效的诊断出滚动轴承不同的工作状态,且效果较局部特征尺度分解方法好。