为轴承故障诊断提供图形多尺度转换值
Qingwen Fan1, Yuqi Liu1, Jingyuan Yang2
1School of Mechanical Engineering, Sichuan University, Chengdu 610017, China.
Sensors (Basel, Switzerland)
|January 11, 2024
概括
这项研究引入了图形多尺度变量 (MPEG) 精确的轴承故障诊断. 这种新方法增强了振动分析,以改善机器健康监测.
科学领域:
- 机械工程 机械工程
- 信号处理 信号处理
- 机器学习 机器学习
背景情况:
- 轴承故障是旋转机械故障的主要原因,需要精确的诊断技术.
- 基于振动的监测是检测这些故障的常见方法.
- 图形信号处理为提取关键故障特征提供了潜力.
研究的目的:
- 为了提出一种新的方法,图表多尺度变量 (MPEG),用于增强轴承故障诊断.
- 评估MPEG与传统和其他图形法相比的有效性.
主要方法:
- 振动信号被转换成可见度图.
- 图形粗化产生多个尺度的图形表示.
- 在这些图表上计算了变,以提取断层特征.
- 支持矢量机 (SVM) 用于分类轴承故障类型.
主要成果:
- 与现有技术相比,拟议的MPEG方法在轴承故障诊断方面表现出更高的准确性.
- 该方法表现出卓越的稳定性和降噪能力.
- 验证使用开源和实验室数据集进行.
结论:
- 图形多尺度排列 (MPEG) 是一个有效的技术,用于轴承故障诊断.
- 该方法在机器健康监测的准确性,稳定性和降噪方面提供了显著的改进.


