基于Gibbs抽样的轴承故障诊断方法

摘要 针对现有轴承故障诊断方法的不足，即诊断片面性问题，提出了一种基于Gibbs抽样的轴承故障诊断方法。首先对轴承振动信号进行局部特征尺度分解（LCD）得到内禀尺度分量（ISC）；然后对轴承振动信号和ISC分别提取时域特征，按照特征敏感度高低对时域特征排名，选择排名靠前的特征组成特征集；其次使用特征集训练产生基于Gibbs抽样的多维高斯分布模型；最后通过后验分析得到概率，实现轴承故障诊断。实验结果表明诊断正确率达到100%，与基于SVM的轴承诊断方法相比，在特征数为43个时诊断正确率提升了11.1个百分点。所提方法能够有效地对滚动轴承故障状态进行诊断，对高维复杂的轴承故障数据也有很好的诊断效果