VPMCD和改進ITD的聯合智能診斷方法研究

摘要： 提出了一種基于變量預測模型（Variable predictive model based class discriminate，簡稱VPMCD）和改進固有時間尺度分解（Intrinsic timescale decomposition，簡稱ITD）算法的滾動軸承故障診斷方法。VPMCD方法充分利用了特征值之間的相互內在關系來建立預測模型，并以這些模型對待診斷樣本的特征值的預測結果作為分類依據來進行模式識別。ITD方法能自適應地將非平穩信號分解成為若干單分量信號（固有旋轉分量，Proper rotation component，簡稱PRC）之和。首先對ITD算法進行了改進；接著采用改進ITD算法對原始振動信號進行分解得到多個內稟尺度分量（Intrinsic scale component，簡稱ISC）；然后對包含主要故障信息的若干內稟尺度分量建立對數正態分布模型，并提取其對數均值和對數標準差作為故障特征值；最后采用VPMCD模式識別方法得到各故障特征值的預測模型，并利用預測模型對待診斷樣本的故障類型和工作狀態進行分類和識別。對滾動軸承正常、外圈故障和內圈故障振動信號的分析結果表明了該方法的有效性。

關鍵詞： 故障診斷； 滾動軸承； 改進ITD算法； 對數正態模型； VPMCD