滚动轴承高维随机矩阵状态异常检测算法

您当前的位置：

首页 >

文章列表页 >

滚动轴承高维随机矩阵状态异常检测算法

更新时间：2025-07-09

- 滚动轴承高维随机矩阵状态异常检测算法
- Issue 10, Pages: 65-71(2019)
- 作者机构：
  
  南通大学机械工程学院
- 作者简介：
- 基金信息：
- DOI：
  CLC： TP274;TH133.33
- Published：2019
- 稿件说明：
移动端阅览
[J]. 2019, (10): 65-71.
DOI：

[J]. 2019, (10): 65-71. DOI：

摘要

为解决运行状态监测数据量不断增大、传统降维方法会造成部分有用信息损失的问题

提出了一种滚动轴承高维随机矩阵的状态异常检测算法。对滚动轴承健康监测数据进行多域特征提取和归一化

并通过增广、拼接、随机化等运算构造高维随机矩阵;计算高维随机矩阵的样本协方差矩阵

利用该矩阵的最大与最小特征值之比作为滚动轴承状态异常检测指标;基于随机矩阵谱理论M-P律、Tracy-Widom第一分布

给出了异常检测阈值的数学表达式和决策规则。采用美国辛辛那提大学实验中心轴承试验数据开展了应用研究

分析了高维随机矩阵行列数之比c分别取0.4、0.5、0.6、0.75

误警率分别取0、0.05、0.1、0.2等情况下对检测阈值的影响

并给出了误警率取0.05、矩阵行列数之比c为上述4种情况下滚动轴承早期异常检测结果。试验结果表明

与峭度指标检测算法相比

该算法提前11 h就能检测出滚动轴承的异常状态

可为设备预知维护提供理论指导。

Abstract

关键词

Keywords

references

M.K. Pradhan, Pankaj Gupta.Fault detection using vibration signal analysis of rolling element bearing in time domain using an innovative time scalar indicator[J].Int. J. of Manufacturing Research,2017.

Yi Wang,Dan Liu,Guanghua Xu,Kuosheng Jiang.An image dimensionality reduction method for rolling bearing fault diagnosis based on singular value decomposition[J].Proceedings of the Institution of Mechanical Engi,2016(11).

Hongmei Liu,Xuan Wang,Chen Lu.Rolling bearing fault diagnosis based on LCD–TEO and multifractal detrended fluctuation analysis[J].Mechanical Systems and Signal Processing,2015.

Debashis Paul,Alexander Aue.Random matrix theory in statistics: A review[J].Journal of Statistical Planning and Inference,2014.

Thomas Guhr,Axel Müller–Groeling,Hans A. Weidenmüller.Random-matrix theories in quantum physics: common concepts[J].Physics Reports,1998(4).

Craig A. Tracy,Harold Widom.Level-spacing distributions and the Airy kernel[J].Communications in Mathematical Physics,1994(1).

陈保家,汪新波,严文超,田红亮,肖文荣,陈法法,刘浩涛.采用品质因子优化和子带重构的共振稀疏分解滚动轴承故障诊断方法[J].西安交通大学学报,2018(04).

孟宗,李晶,龙海峰,潘作舟.基于压缩信息特征提取的滚动轴承故障诊断方法[J].中国机械工程,2017(07).

唐贵基,王晓龙.变分模态分解方法及其在滚动轴承早期故障诊断中的应用[J].振动工程学报,2016(04).

王红军,汪亮.基于多域空间状态特征的高端装备运行可靠性评价[J].仪器仪表学报,2016(04).

郑红,周雷,杨浩.基于小波包分析与多核学习的滚动轴承故障诊断[J].航空动力学报,2015(12).

严英杰,盛戈皞,王辉,刘亚东,陈玉峰,江秀臣,郭志红.基于高维随机矩阵大数据分析模型的输变电设备关键性能评估方法[J].中国电机工程学报,2016(02).

古莹奎,承姿辛,朱繁泷.基于主成分分析和支持向量机的滚动轴承故障特征融合分析[J].中国机械工程,2015(20).

魏大千,王波,刘涤尘,罗金号,冀星沛.高维随机矩阵描述下的量测大数据建模与异常数据检测方法[J].中国电机工程学报,2015(S1).

宋涛,汤宝平,邓蕾.动态增殖流形学习算法在机械故障诊断中的应用[J].振动与冲击,2014(23).

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

采用参数自适应最大相关峭度解卷积的滚动轴承故障特征提取

CNN-LSTM深度神经网络在滚动轴承故障诊断中的应用

采用多变量耦合网络与变分图自编码器的机械设备异常检测方法

随机矩阵理论和主成分分析融合的滚动轴承性能退化评估方法

利用残差分析的网络异常流量检测方法

Related Author

吴芮

杨静雯

慎明俊

张守京

陈保家

陈学力

沈保明

陈法法

Related Institution

西安工程大学西安市现代智能纺织装备重点实验室

三峡大学水电机械设备设计与维护湖北省重点试验室

武汉科技大学冶金装备及其控制教育部重点试验室

西安交通大学现代设计及转子轴承系统教育部重点实验室

西安交通大学智能网络与网络安全教育部重点实验室

⁰