基于ARMA模型双谱分布与FCM方法的轴承故障识别

华南理工大学学报(自然科学版) ›› 2012, Vol. 40 ›› Issue (7): 78-82,89.

基于ARMA模型双谱分布与FCM方法的轴承故障识别

徐红波¹陈国华^1†王新华²

1．华南理工大学机械与汽车工程学院，广东广州 510640; 2．广州市特种机电设备检测研究院，广东广州 510180

收稿日期:2012-03-09 修回日期:2012-04-18 出版日期:2012-07-25 发布日期:2012-06-01
通信作者: 陈国华(1967-) ，男，教授，博士生导师，主要从事过程装备动态可靠性随机模拟与风险评价研究． E-mail: mmghchen@scut．edu．cn E-mail:xuhongbo19801980@163.com
作者简介:徐红波(1980-) ，男，博士生，主要从事过程装备安全可靠性技术研究．
基金资助:
国家科技支撑计划项目( 2009BAK58B02)

Fault Identification of Bearings Based on Bispectrum Distribution of ARMA Model and FCM Method

Xu Hong-bo¹Chen Guo-hua¹Wang Xin-hua²

1. School of Mechanical and Automotive Engineering,South China University of Technology,Guangzhou 510640,Guangdong,China; 2. Guangzhou Academy of Special Equipment Inspection & Testing,Guangzhou 510180,Guangdong,China

Received:2012-03-09 Revised:2012-04-18 Online:2012-07-25 Published:2012-06-01
Contact: 陈国华(1967-) ，男，教授，博士生导师，主要从事过程装备动态可靠性随机模拟与风险评价研究． E-mail: mmghchen@scut．edu．cn E-mail:xuhongbo19801980@163.com
About author:徐红波(1980-) ，男，博士生，主要从事过程装备安全可靠性技术研究．
Supported by:
国家科技支撑计划项目( 2009BAK58B02)

摘要/Abstract

摘要： 针对滚动轴承信号非线性和非高斯性的特点，提出了基于自回归滑动平均( ARMA)模型双谱分布特征与模糊c 均值( FCM) 聚类分析的故障识别方法．首先，利用经验模态分解改善信号，对获得的信号主分量建立ARMA 模型; 然后，对ARMA 模型进行双谱分析;最后，以阈值化的双谱分布二值图为特征向量，借助FCM 聚类算法构建类模板与最近邻模板分类器，实现故障识别．滚动轴承实例诊断结果表明，该方法能准确地判断轴承的实际性态，是一种有效的故障识别方法．

关键词: 故障识别, 轴承, ARMA 模型, 双谱, 模糊c 均值

Abstract:

According to the nonlinear and non-Guassian characteristics of vibration signals of rolling bearings,a novel fault identification method based on the bispectrum distribution feature of auto-regressive moving average ( ARMA) model and on the cluster analysis of fuzzy c-means ( FCM) method is proposed. In this method,first,original vibration signals are modulated via the empirical mode decomposition ( EMD),and an ARMA model of principal
signal components is established. Then,a bispectrum estimation of the ARMA model is implemented. Finally,the binary images extracted from the bispectrum distribution are taken as the feature vectors and are used to construct a classifier of the class templates and the smallest-distance templates via the FCM clustering,thus implementing the fault identification successfully. Application results in the fault diagnosis of rolling bearings demonstrate that the proposed method is effective because it can accurately determine the actual conditions of rolling bearings.

Key words: fault identification, bearing, ARMA model, bispectrum, fuzzy c-means

中图分类号:

TH215 TP 301.6

徐红波陈国华王新华. 基于ARMA模型双谱分布与FCM方法的轴承故障识别[J]. 华南理工大学学报(自然科学版), 2012, 40(7): 78-82,89.

Xu Hong-bo Chen Guo-hua Wang Xin-hua. Fault Identification of Bearings Based on Bispectrum Distribution of ARMA Model and FCM Method[J]. Journal of South China University of Technology(Natural Science Edition), 2012, 40(7): 78-82,89.

[1]	郝秀红, 田润威, 焦伟, 等. 织物衬垫磨损对关节轴承动力学影响[J]. 华南理工大学学报(自然科学版), 2024, 52(4): 88-94.
[2]	李方, 郭炜森, 张平, 等. 基于时空双细胞状态的轴承剩余使用寿命预测方法[J]. 华南理工大学学报(自然科学版), 2023, 51(9): 69-81.
[3]	郭红, 秦立闯, 石明辉, 等. 耦合因素对混合润滑滑动轴承特性的影响[J]. 华南理工大学学报(自然科学版), 2023, 51(5): 141-150.
[4]	陈忠, 唐鑫, 张大明, 何东山, 张宪民. S变换子域适应的扶梯电机轴承迁移诊断[J]. 华南理工大学学报(自然科学版), 2023, 51(12): 34-41.
[5]	宋新涛, 吴维, 苑士华. 考虑磨损和紊流的径向滑动轴承混合润滑分析[J]. 华南理工大学学报(自然科学版), 2022, 50(6): 121-128.
[6]	于晓东, 高维铖, 伍广鹏, 等. 高速重载工况下静压推力轴承的热特性表征[J]. 华南理工大学学报（自然科学版）, 2020, 48(9): 79-85.
[7]	宋新涛孙士青吴维. 考虑局部磨损和空化效应的径向滑动轴承混合润滑分析[J]. 华南理工大学学报（自然科学版）, 2020, 48(8): 102-107,114.
[8]	吴素珍何卫东张迎辉. RV传动机构用转臂轴承的受力及接触特性分析[J]. 华南理工大学学报（自然科学版）, 2020, 48(6): 25-33.
[9]	郭明军, 李伟光, 杨期江, 等. 基于稀疏算法的大型转子多工况轴心轨迹提纯[J]. 华南理工大学学报（自然科学版）, 2020, 48(4): 45-53.
[10]	文生平, 周正军, 张啸言, 等. 基于计算机视觉的轴承滚子表面缺陷在线检测系统[J]. 华南理工大学学报（自然科学版）, 2020, 48(10): 76-87.
[11]	寇淑清修亭亭金文明赵勇姚娟. 后桥主减速器壳体轴承座材料裂解性能数值分析[J]. 华南理工大学学报(自然科学版), 2019, 47(7): 121-127,135.
[12]	金燕刘少军. 基于响应面法的热弹流润滑效应下滚动轴承疲劳可靠性分析[J]. 华南理工大学学报（自然科学版）, 2017, 45(2): 84-90.
[13]	赵德尊李建勇程卫东. 齿轮噪声干扰及变转速下的滚动轴承故障诊断[J]. 华南理工大学学报（自然科学版）, 2016, 44(2): 67-73.
[14]	曲杰张国杰徐小琴. 轮毂轴承单元轴铆合装配的铆头优化设计[J]. 华南理工大学学报（自然科学版）, 2016, 44(2): 60-66,73.
[15]	杨期江李伟光郑相立王凯. 变支点滑动轴承工作机理分析及转子振动特性试验研究[J]. 华南理工大学学报（自然科学版）, 2016, 44(11): 103-112.