振动与冲击

作者：程军圣，黄文艺，杨宇

单位：湖南大学汽车车身先进设计制造国家重点实验室， 长沙 410082

关键词：滚动轴承；特征选择；LFSS；FSBBA；在线状态评估

在滚动轴承性能退化评估中，不同工况会影响振动信号特征对故障程度的敏感性，在早期有限样本中选择适用于状态评估的有效特征是实现在线评估轴承性能退化程度的关键。本文首先提出一种基于均方根的早期有限样本判定方法Limited Feature Select Sample(LFSS)，其次提出一种针对性能退化评估特征选择的改进Binary Bat Algorithm(BBA)算法&mdash;Feedback Seeking Binary Bat Algorithm(FSBBA)，将其应用于滚动轴承早期有限样本中进行故障特征选择，克服了原始BBA容易陷入局部寻优的缺点。论文基于LFSS与FSBBA算法，构建了滚动轴承在线状态评估模型，并将其运用于两例滚动轴承全寿命数据特征选择，性能退化评估指标分析结果表明了所提出方法的有效性。<br> <br>

来源：2018年第11期

《振动与冲击》期刊编辑部

查看振动与冲击杂志2018年第11期