Resumen

Abordando el problema de que es difícil extraer las características de la señal de vibración y diagnosticar la falla del rodamiento, proponemos un nuevo método de diagnóstico que combina la transformación multisynchrosqueezing S y el aprendizaje de diccionario más rápido (MSSST-FDL). En primer lugar, se adopta MSSST para transformar las señales de vibración en imágenes tiempo-frecuencia de alta resolución. Luego, se introduce el operador de patrón binario local (LBP) para extraer las características de textura de baja dimensión de las imágenes tiempo-frecuencia, lo que mejora la velocidad de reconocimiento de fallas. Finalmente, la factorización de matrices no negativas (NMF) con un solo hiperparámetro y la ecuación lineal no negativa se utilizan para resolver el aprendizaje de diccionario y la codificación de características, respectivamente. La codificación de características se introduce en el clasificador para entrenamiento y reconocimiento. Los experimentos muestran que nuestro método funciona bien en el conjunto de datos de rodamientos de la Case Western Reserve University (C

• Materias:Ingeniería subterránea Deformaciones elásticas Excavación con explosivos Transitorios repetitivos Efecto de Perturbación
• Subjects:Underground engineering Elastic deformations Excavation with explosives Repetitive transients Perturbation effect
• Palabras claves:Características; Señal de vibración; Diagnóstico de fallas; Transformada S multisincrosqueeze; Aprendizaje de diccionario más rápido; Rodamiento de rodillos.
• Keywords:Features; Vibration signal; Fault diagnosis; Multisynchrosqueezing S transform; Faster dictionary learning; Rolling bearing.