基于ITD和模糊熵的滚动轴承智能诊断

王志搏，李富才，孟立立，张　希

（上海交通大学 机械系统与振动国家重点实验室，上海 200240）



基于ITD和模糊熵的滚动轴承智能诊断

王志搏，李富才，孟立立，张希

（上海交通大学 机械系统与振动国家重点实验室，上海 200240）

摘要：利用本征时间尺度分解方法（ITD）将滚动轴承振动信号自适应地分解为几个瞬时频率具有物理意义的单分量信号，并利用模糊熵作为特征，对轴承正常状态，内圈故障，外圈故障及滚动体故障四种工况进行识别，最后利用支持向量机完成滚动轴承的智能诊断。实验数据分析结果表明，该方法对滚动轴承故障的识别正确率较高，具有较强的可行性与有效性。

关键词：振动与波；本征时间尺度分解；模糊熵；滚动轴承；智能诊断

滚动轴承故障分三类：内圈故障、外圈故障与滚动体故障。传统的滚动轴承故障诊断方法是对振动信号进行时域及频域分析，通过提取频谱中的特征频率来识别故障类型。但是这种方法的智能性不高，自适应性不强，往往需要技术人员进行分析，同时面对前期的微弱故障及多种故障混叠的情况，往往很难得到准确的结论。轴承故障一般表现一定冲击性，在振动的传递中衰减比较严重，同时振动信号在传递过程中受到各种干扰，因此测点测得的振动信号往往信噪比较低，直接对原始振动信号分析往往难以达到理想效果。面对这些情况，对信号进行信噪分离是很必要的，已有的方法很多，如小波降噪法[1]、经验模式分解法[2，3]、集成经验模式分解法[4]、本征时间尺度分解法[5，6]。……