摘要：滚动轴承是旋转机械结构中常用的零件,如果发生故障,会造成极大的危害。随着大数据时代的到来,现代智能诊断方法已被广泛应用到轴承故障诊断中。针对目前智能诊断方法存在的问题,将统计模型引入轴承故障诊断中,提出了基于变分贝叶斯的轴承故障诊断方法。该方法对轴承振动信号进行局部特征尺度分解,得到若干个内禀尺度分量,并分别提取时域特征组成特征集,使用特征集训练产生基于变分贝叶斯的混合多维高斯分布模型,通过计算不同轴承故障的概率实现故障诊断。实验结果表明,所提方法的诊断正确率达到99.6%,与基于支持向量机的轴承诊断方法相比,在所组成的特征集上诊断正确率最高提升了39.6%。文中提出的方法能够全面且有效地诊断滚动轴承故障,对高维复杂的故障数据也有很好的诊断效果。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社