熊邦书，　李　龙，　李新民，　莫　燕

(1.南昌航空大学无损检测技术教育部重点实验室　南昌，330063) (2.中国直升机设计研究所直升机旋翼动力学国防科技重点实验室　景德镇，333001)



周期能量与优化LMD结合的轴承故障诊断方法*

熊邦书1，李龙1，李新民2，莫燕1

(1.南昌航空大学无损检测技术教育部重点实验室南昌，330063) (2.中国直升机设计研究所直升机旋翼动力学国防科技重点实验室景德镇，333001)

摘要为了提高轴承故障诊断准确率，缩短神经网络训练时间，将周期能量特征和优化的局域均值分解(local mean decomposition,简称LMD)特征结合，提出了一种新的轴承故障诊断方法。首先，采用形态滤波法对振动信号去噪；其次，以轴承一个旋转周期采样点数为标准，对振动信号进行截取，提取周期能量特征和LMD特征；然后，对提取的特征进行u律压扩和滑动平均优化处理；最后，设计两个同精度神经网络，采用经优化和未优化的特征对设计好的RBF神经网络进行训练，用训练好的神经网络进行故障诊断。实验结果表明，神经网络收敛迭代次数减少了50次，诊断正确率提高了10%，提高了轴承故障诊断正确率，缩短了神经网络训练时间。

关键词u律压扩； 滑动平均； 故障诊断； 局域均值分解

引言

滚动轴承广泛应用于各类机械设备的传动系动中，它的缺陷和损伤影响整台设备安全运行，因此对其故障诊断方法研究具有重要意义。特征提取是故障诊断的关键环节之一，对于滚动轴承，特征提取方法很多，可分为时域、频域和时频域等方法。……