基于SGMD敏感参数和KFCMC的滚动轴承故障诊断方法

发布时间：2025-05-07 20:05

　　 针对滚动轴承的内圈和外圈故障诊断问题,提出了一种基于辛几何模态分解(SGMD)、敏感参数和核模糊C均值聚类(KFCMC)相结合的方法。基于SGMD研究了实际测量的液压泵多模态故障振动信号;基于所提出的相似性分析法,将含有丰富运行特征信息的模态分量进行重构,并将其作为数据源;基于数据源提取时域和频域参数,并利用流行学习法筛选出峭度、裕度指标和峰值指标等敏感参数作为特征向量;利用KFCMC实现对内圈和外圈不同故障的诊断。通过对滚动轴承内、外圈故障振动信号的仿真和实测,验证了该方法可以有效地诊断滚动轴承不同故障。

【文章页数】：6 页

【文章目录】：
0 前言
1 辛几何模态分解
2 敏感参数
3 SGMD敏感参数和KFCMC的滚动轴承故障诊断方法
4 数值仿真算例
    4.1 仿真信号
    4.2 基于SGMD的仿真信号分析
    4.3 基于传统模态分解方法的仿真信号分析
5 滚动轴承故障信号分析
    5.1 实验方法
    5.2 基于SGMD的滚动轴承故障信号分析
    5.3 基于EMD的滚动轴承故障信号分析
    5.4 基于SGMD敏感参数的KFCMC故障诊断
    5.5 基于EMD敏感参数的KFCMC故障诊断
6 结论



本文编号：4043727