李伟娟，陈 帅，张 超

(1.包头职业技术学院，内蒙古 包头 014030； 2. 内蒙古科技大学 机械工程学院，内蒙古 包头 014010)

ELMD与排列熵在滚动轴承故障诊断中的应用*

李伟娟1，陈 帅2，张 超2

(1.包头职业技术学院，内蒙古 包头 014030； 2. 内蒙古科技大学 机械工程学院，内蒙古 包头 014010)

针对轴承故障信号往往被强背景噪声淹没，采用传统包络解调方法难以提取故障特征的问题，提出总体局部均值分解(ensemble local mean decomposition, ELMD)与排列熵(permutation entropy, PE)相结合的轴承故障诊断方法。首先，对轴承振动信号进行ELMD分解并得到一系列窄带乘积函数(product function, PF)，然后，计算各PF分量排列熵以构造高维特征向量，最后将高维特征向量作为多故障分类器的输入来识别轴承故障类型。实验结果表明ELMD方法可以有效地抑制模态混叠；PF分量的排列熵分布可以反应轴承不同工作状态下的信号特征；基于ELMD与排列熵的智能诊断方法可以准确地识别轴承的工作状态和故障类型。

排列熵；总体局部均值分解；高维特征向量；模态混叠；故障诊断

0 引言

轴承是旋转机械中最易损坏的机械零部件之一，很多机械故障都和轴承工作状态密切相关。因此，能否快速、精准、容易地检测出轴承故障的存在和严重程度对于保持轴承安全可靠地运行和减少设备停机成本意义重大[1]。由于加载，摩擦，刚度的影响，轴承故障振动信号往往呈现非线性和非平稳性，而传统的时域或频域分析方法都是基于线性、稳态系统，不能有效地检测出故障信号的动力学突变，因此难以精确、稳定地识别轴承的故障类型[2]。……