一种ELMD模糊熵和GK聚类的轴承故障诊断方法

简介

针对滚动轴承故障振动信号的非平稳、非线性特性,采用一种基于总体局部均值分解（Ensemble Local Mean Decomposition,ELMD）模糊熵和GK（Gustafson-Kessell）聚类的滚动轴承故障诊断方法。首先通过对滚动轴承故障振动信号进行ELMD分解,得到若干的乘积函数（Product Function,PF）分量和一个残差。然后,通过PF分量和原始轴承故障信号的相关性分析,选取与原始信号相关性最大的PF分量,并求取PF分量的模糊熵值作为特征向量。最终,通过GK聚类对所得的特征向量进行识别分类。通过对滚动轴承正常状态、内圈故障、滚动体故障和外圈故障的轴承四种状态分析表明,基于ELMD模糊熵和GK聚类的方法能够准确有效的对轴承故障状态进行分类识别。