Fault diagnosis of rolling bearings based on IRCMNDE and NNCHC

Xiaoyi YANG; Weiquan DENG; Jun MA

doi:10.13224/j.cnki.jasp.20200543

Chinese

您当前的位置：

首页 >

文章列表页 >

Fault diagnosis of rolling bearings based on IRCMNDE and NNCHC

Power Transimission | 更新时间：2025-04-07

- Fault diagnosis of rolling bearings based on IRCMNDE and NNCHC
- Journal of Aerospace Power Vol. 37, Issue 6, Pages: 1150-1161(2022)
- 作者机构：
  
  1.昆明理工大学云南省人工智能重点实验室，昆明 650500
  2.昆明理工大学信息工程与自动化学院，昆明 650500
  3.昆明理工大学民航与航空学院，昆明 650500
- 作者简介：
- 基金信息：
- DOI：10.13224/j.cnki.jasp.20200543
  CLC：
- 稿件说明：
移动端阅览
Xiaoyi YANG, Weiquan DENG, Jun MA. Fault diagnosis of rolling bearings based on IRCMNDE and NNCHC[J]. Journal of Aerospace Power, 2022, 37(6): 1150-1161.
DOI：

Xiaoyi YANG, Weiquan DENG, Jun MA. Fault diagnosis of rolling bearings based on IRCMNDE and NNCHC[J]. Journal of Aerospace Power, 2022, 37(6): 1150-1161. DOI： 10.13224/j.cnki.jasp.20200543.

摘要

针对多尺度散布熵（MDE）在粗粒化过程中易发生信息丢失、产生虚假信息，难以全面提取轴承故障信息的问题，提出了基于改进的精细复合多尺度归一化散布熵（IRCMNDE）和最近邻凸包分类（NNCHC）的滚动轴承故障诊断方法。引入精细复合多尺度散布熵（RCMDE），将其粗粒化过程中平均值替换为最大值来表示数据段信息，以克服传统粗粒化过程的不足并突出故障特征。通过归一化操作减弱熵值计算时不同参数选择导致的熵值波动幅度，得到IRCMNDE。将IRCMNDE作为故障特征，使用NNCHC分类器对故障特征进行分类。经实验验证，该方法可达到98.98%的故障识别准确率，相比基于MDE（故障识别准确率为95.99%）和RCMDE（故障识别准确率为97.60%）的方法，能够更准确地提取滚动轴承的故障特征信息，提高承故障分类的准确性。

Abstract

In view of the problem that information loss and false information may occur during the coarse⁃graining process of multi⁃scale dispersion entropy （MDE），which make it difficult to extract bearing fault information comprehensively，a rolling bearing fault diagnosis method based on improved refined composite multi⁃scale normalized dispersion entropy （IRCMNDE） and nearest neighbor convex hull classification （NNCHC） was proposed.The refined composite multi⁃scale dispersion entropy （RCMDE） was introduced，and the average value in the coarse⁃graining process was replaced by the maximum value to represent the data segments information，which can overcome the shortcomings of the traditional coarse⁃graining process and highlight the fault characteristics.Through the normalization operation to reduce the influence of the selection of different parameters on the entropy value，IRCMNDE was acquired as feature samples； NNCHC was used to classify the feature samples to realize bearing fault diagnosis.Experimental results showed that the proposed method can achieve 98.98% fault identification accuracy.Compared with the methods based on MDE （fault identification accuracy was 95.99%） and RCMDE （fault identification accuracy was 97.60%），the proposed method can extract the fault feature information of rolling bearings more accurately and improve the accuracy of fault classification.

关键词

Keywords

references

杨旭 , 邱明 , 陈立海 , 等 . 基于PSO⁃RWE的自适应小波阈值函数滚动轴承振动信号去噪方法 [J]. 航空动力学报 , 2020 , 35 （ 11 ）: 2339 ⁃ 2347 .

YANG Xu ， QIU Ming ， CHEN Lihai ， et al . Adaptive wavelet threshold function based on PSO⁃RWE for vibration signal denoising of rolling bearig [J]. Journals of Aerospace Power ， 2020 ， 35 （ 11 ）: 2339 ⁃ 2347 . （in Chinese）

DANG Zhang ， LÜ Yong ， LI Yourong . Improved dynamic mode decomposition and its application to fault diagnosis of rolling bearing [J]. Sensors ， 2018 ， 18 （ 6 ）: 18061972.1 ⁃ 18061972.15 .

CHEN Yinsheng ， ZHANG Tinghao ， LUO Zhongming ， et al . A novel rolling bearing fault diagnosis and severity analysis method [J]. Applied Sciences⁃Basel ， 2019 ， 9 （ 11 ）: 9112356.1 ⁃ 9112356.23 .

AN Xueli ， PAN Luoping . Wind turbine bearing fault diagnosis based on adaptive local iterative filtering and approximate entropy [J]. Proceedings of the Institution of Mechanical Engineering:Part C Journal of Mechanical Engineering Science ， 2016 ， 231 （ 17 ）: 3228 ⁃ 3237 .

赵志宏 , 杨绍普 . 基于小波包变换与样本熵的滚动轴承故障诊断 [J]. 振动、测试与诊断 , 2012 , 32 （ 4 ）: 640 ⁃ 644,692 .

ZHAO Zhihong ， YANG Shaopu . Fault diagnosis of rolling bearing based on wavelet packet transform and sample entropy [J]. Journal of Vibration，Measurement and Diagnosis ， 2012 ， 32 （ 4 ）: 640 ⁃ 644,692 . （in Chinese）

戚晓利 , 王振亚 , 吴保林 , 等 . 基于ACMPE、ISSL⁃Isomap和GWO⁃SVM的行星齿轮箱故障诊断 [J]. 航空动力学报， 2019 ， 34 （ 4 ）: 744 ⁃ 755 .

QI Xiaoli ， WANG Zhenya ， WU Baolin ， et al . Fault diagnosis of planetary gearbox based on ACMPE，ISSL⁃Isomap and GWO⁃SVM [J]. Journal of Aeronautical Dynamics , 2019 , 34 （ 4 ）: 744 ⁃ 755 . （in Chinese）

YAN R ， GAO R X . Approximate entropy as a diagnostic tool for machine health monitoring [J]. Mechanical and System Signal Process ， 2007 ， 21 （ 2 ）: 824 ⁃ 839 .

向丹 , 葛爽 . 基于EMD样本熵⁃LLTSA的故障特征提取方法 [J]. 航空动力学报 , 2014 , 29 （ 7 ）: 1535 ⁃ 1542 .

XIANG Dan ， GE Shuang . Fault feature extraction method based on EMD sample entropy⁃LLTSA [J]. Journal of Aeronautics and Dynamics ， 2014 ， 29 （ 7 ）: 1535 ⁃ 1542 . （in Chinese）

WANG Heng ， CHEN Jinhai ， ZHOU Yiwen ， et al . Early fault diagnosis of rolling bearing based on noise⁃assisted signal feature enhancement and stochastic resonance for intelligent manufacturing [J]. The International Journal of Advanced Manufacturing Technology ， 2020 ， 107 （ 3/4 ）: 1017 ⁃ 1023 .

MOSTAFA R ， HAMED A . Dispersion entropy:a measure for time⁃series analysis [J]. IEEE Signal Processing Letter ， 2016 ， 23 （ 5 ）: 610 ⁃ 614 .

AZAMI H ， ESCUDERO J . Coarse⁃Graining approaches in univariate multiscale sample and dispersion entropy [J]. Entropy ， 2018 ， 20 （ 2 ）: 9112356.1 ⁃ 9112356 .

GAN Xiong ， LU Hong ， YANG Guangyong . Fault diagnosis method for rolling bearings based on composite multiscale fluctuation dispersion entropy [J]. Entropy ， 2019 ， 21 （ 3 ）: 21030290.1 ⁃ 21030290.15 .

ZHANG Yidong ， TONG Shuiguang ， CONG Feiyun ， et al . Research of feature extraction method based on sparse reconstruction and multiscale dispersion entropy [J]. Applied Sciences ， 2018 ， 8 （ 6 ）: 8060888.1 ⁃ 8060888.23 .

YANG Xiaoan ， JIA Minping . Intelligent fault diagnosis of rotating machinery using improved multiscale dispersion entropy and mRMR feature selection [J]. Knowledge⁃Based Systems ， 2018 ， 163 （ 9 ）: 450 ⁃ 471 .

AZAMI H ， ROSTAGHI M ， ABASOLO D ， et al . Refined composite multiscale dispersion entropy and its application to biomedical signals [J]. IEEE Transactions on Biomedical Engineering 2017 ， 64 （ 12 ）: 2872 ⁃ 2879 .

李艳军 , 张建 , 曹愈远 , 等 . 基于模糊信息粒化和优化SVM的航空发动机性能趋势预测 [J]. 航空动力学报， 2017 ， 32 （ 12 ）: 3022 ⁃ 3030 .

LI Yanjun ， ZHANG Jian ， CAO Yuyuan ， et al . Aeroengine performance trend prediction based on fuzzy information granulation and optimized SVM [J]. Journal of Aeronautics and Dynamics , 2017 , 32 （ 12 ）: 3022 ⁃ 3030 . （in Chinese）

徐冠基 , 曾柯 , 柏林 . 基于SPSO优化multiple kernel⁃TWSVM的滚动轴承故障诊断 [J]. 振动、测试与诊断， 2019 ， 39 （ 5 ）: 973 ⁃ 979,1130 .

XU Guanji ， ZENG Ke ， BO Lin . Fault diagnosis of rolling bearing based on SPSO optimized multiple kernel⁃TWSVM [J]. Journal of Vibration，Measurement and Diagnosis ， 2019 ， 39 （ 5 ）: 973 ⁃ 979,1130 . （in Chinese）

ZHOU Xiaofei ， SHI Yong . Nearest neighbor convex hull classification method for face recognition [R]∥ Baton Rouge , US : the 9th International Conference on Computational Science ， 2009 .

曾鸣 . 基于凸包的模式识别方法及其在滚动轴承故障诊断中的应用 [D]. 长沙 : 湖南大学， 2016 .

ZENG Ming . Convex hull⁃based pattern recognition technique and its applications to fault diagnosis for roller bearings [D]. Changsha : Hunan University ， 2016 . （in Chinese）

杨宇 , 曾鸣 , 程军圣 . 基于局部特征尺度分解和核最近邻凸包分类算法的滚动轴承故障诊断方法 [J]. 振动工程学报 , 2013 , 26 （ 1 ）: 118 ⁃ 126 .

YANG Yu ， ZENG Ming ， CHENG Junsheng . Fault diagnosis method of rolling bearing based on local feature scale decomposition and kernel nearest neighbor convex hull classification algorithm [J]. Journal of Vibration Engineering ， 2013 ， 26 （ 1 ）: 118 ⁃ 126 . （in Chinese）

吴守军 , 冯辅周 , 吴春志 , 等 . 基于VMD⁃DE的坦克行星变速箱故障诊断方法研究 [J]. 振动与冲击 , 2020 ， 39 （ 10 ）: 170 ⁃ 179 .

WU Shoujun ， FENG Fuzhou ， WU Chunzhi ， et al . Research on fault diagnosis method of tank planetary gearbox based on VMD⁃DE [J]. Vibration and Shock ， 2020 ， 39 （ 10 ）: 170 ⁃ 179 . （in Chinese）

ZHAO Dongfang ， LIU Shulin ， GU Dan ， et al . Improved multi⁃scale entropy and it's application in rolling bearing fault feature extraction [J]. Measurement ， 2020 ， 152 : 107361.1 ⁃ 107361.16 .

曾鸣 , 杨宇 , 郑近德 , 等 . 基于LCD和KNNCH分类算法的齿轮故障诊断方法 [J]. 中国机械工程 , 2014 ， 25 （ 15 ）: 2049 ⁃ 2054 .

ZENG Ming ， YANG Yu ， ZHENG Jinde ， et al . Gear fault diagnosis method based on LCD and KNNCH classification algorithm [J]. China Mechanical Engineering ， 2014 ， 25 （ 15 ）: 2049 ⁃ 2054 . （in Chinese）

MOSTAFA R ， REZA A M ， HAMED A . Application of dispersion entropy to status characterization of rotary machines [J]. Journal of Sound and Vibration ， 2018 ， 438 : 291 ⁃ 308 .

ZHANG ， ZHOU . A comprehensive fault diagnosis method for rolling bearings based on refined composite multiscale dispersion entropy and fast ensemble empirical mode decomposition [J]. Entropy ， 2019 ， 21 （ 7 ）: 21070680.1 ⁃ 21070680.20 .

张小龙 , 张氢 , 秦仙蓉 , 等 . 基于ITD复杂度和PSO⁃SVM的滚动轴承故障诊断 [J]. 振动与冲击 , 2016 , 35 （ 24 ）: 102 ⁃ 107,138 .

ZHANG Xiaolong ， ZHANG Qing ， QIN Xianrong , et al . Fault diagnosis of rolling bearing based on ITD complexity and PSO⁃SVM [J]. Journal of Vibration and Shock ， 2016 ， 35 （ 24 ）: 102 ⁃ 107,138 . （in Chinese）

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Convolutional neural network diagnosis method of rolling bearing fault based on casing signal

Faultdiagnosis of rolling bearing based on convolution gated recurrent network

Application of convolutional neural network and kurtosis in fault diagnosis of rolling bearing

Rolling bearing fault diagnosis based on smoothness priors approach and fuzzy entropy

Rolling bearing fault diagnosis based on IITD and FCM clustering

Related Author

ZHANG Xiangyang

CHEN Guo

HAO Tengfei

YANG Ping

SU Yanchen

LI Jun

LIU Yongbao

YU Youhong

Related Institution

School of Mechanical Engineering,Southwest Jiaotong University

College of Power Engineering,Naval University of Engineering

华北电力大学机械工程系

湖南大学汽车车身先进设计制造国家重点实验室

安徽工业大学机械工程学院

AI问答

Postal code：100079
Tel：（010）53879206 Email：tmw@bjxintong.com.cn
Technical support is provided by Beijing Founder electronics co., LTD 京ICP备09082226号-64 京公网安备11010602201714号
It is recommended to read the content of this site in Chrome&IE9+. Please switch to extreme mode in browser 360.
Cookies We use cookies to help provide and enhance our service and tailor content. By continuing, you agree to the use of cookies.

⁰