摘要：齿辊式破碎机中实际运行中电机轴承的振动信号耦合严重,故障脉冲往往显得微弱,故障识别难度大,特别是滚动体和内圈故障的区分。将图像纹理特征提取技术引入故障诊断,提出一种基于时频图像的轴承故障特征提取方法。首先,将聚合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)加入Wigner-Ville时频分析(Wigner-Ville Distribution,WVD)中获得无交叉项干扰的振动时频表征;其次,引入局部二值模式(Local Binary Patterns,LBP)增强时频灰度图像纹理特征,生成对应的LBP谱图;接着,以LBP灰度直方图作为特征量,压缩特征维数后利用主成分分析法(Principal Components Analysis,PCA)约减特征量;最后,将低维特征量输入BP神经网络进行故障分类。在轴承故障诊断实验中,通过和其他算法的对比分析验证了该方法具有较高的故障识别精度,且99.5%的精度充分说明了方法有效性,为准确提取齿辊式破碎机中电机的轴承故障特征提供了一种可靠手段。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社