【技术实现步骤摘要】
本专利技术涉及轴承故障诊断，具体涉及一种基于特征融合与fcm算法的轴承故障诊断方法。
技术介绍
1、旋转机械属于最常见的机械设备之一，在社会生活、工业生产、国防军事等多个领域中都有着广泛应用，而滚动轴承作为旋转机械的关键部件，其状态对系统的正常运行起着至关重要的作用。一些轻微的轴承故障就可能导致系统运行异常，而严重的轴承故障甚至会引发安全事故造成人身财产的巨大损失。引起轴承故障的因素有很多，如老化、磨损、超负荷运行、操作失误等，以至于有些轴承故障是瞬时产生的，而有些则是长期缓慢积累引起的，由此导致轴承故障类型多样且复杂，引起的故障程度也有差别。
2、采集和分析滚动轴承运行时的振动信号以监测与诊断其工作状态是一种常用的故障诊断方法。针对轴承振动信号可以从时域和频域的角度进行分析，但如果仅从时域或频域的角度分析轴承振动信号，由于割裂了时域与频域的联系，很难获得信号特征的全貌，而从联合的时频域来分析，则可以提供时频域的综合信息，能够提高诊断的准确性和可靠性。并且不同的旋转机械系统其轴承运行时产生的振动信号存在差异，单一固定的对某一...
【技术保护点】
1.基于特征融合与FCM算法的轴承故障诊断方法，其特征在于包括以下步骤：
2.根据权利要求1所述基于特征融合与FCM算法的轴承故障诊断方法，其特征在于：所述步骤1中，对轴承振动信号进行时域分析后提取的时域特征共15个，其中，有量纲指标10个，分别为均值、有效值、方根幅值、绝对平均值、歪度、峭度、方差、最大值、最小值、峰峰值；无量纲指标5个，分别为波形指标、峰值指标、脉冲指标、裕度指标、峭度指标。
3.根据权利要求1所述基于特征融合与FCM算法的轴承故障诊断方法，其特征在于：所述步骤2中，通过一维离散小波包变换对轴承振动信号进行三层小波包分解得到...
【技术特征摘要】
1.基于特征融合与fcm算法的轴承故障诊断方法，其特征在于包括以下步骤：
2.根据权利要求1所述基于特征融合与fcm算法的轴承故障诊断方法，其特征在于：所述步骤1中，对轴承振动信号进行时域分析后提取的时域特征共15个，其中，有量纲指标10个，分别为均值、有效值、方根幅值、绝对平均值、歪度、峭度、方差、最大值、最小值、峰峰值；无量纲指标5个，分别为波形指标、峰值指标、脉冲指标、裕度指标、峭度指标。
3.根据权利要求1所述基于特征融合与fcm算法的轴承故障诊断方法，其特征在于：所述步骤2中，通过一维离散小波包变换对轴承振动信号进行三层小波包分解得到8个小波包，以各小波包对应的归一化能量作为频域特征；
4.根据权利要求3所述基于特征融合与fcm算法的轴承故障诊断方法，其特征在于：在提取小波包归一化能量时采取三层小波包分解，同...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。