一种改进基尼指数加权的轴承健康指标构建方法

打开文本图片集

摘要：在轴承的状态监测中，构建一个可以准确描述轴承退化趋势且能及时识别早期退化点（EDP） 的健康指标（HI） 至关重要。目前大多学者提出的健康指标能较好地描述轴承的退化趋势，但不能准确识别早期退化点。提出了一种改进基尼指数（IGI） 加权的轴承健康指标构建方法。利用集成经验模态分解（EEMD） 对原始信号进行分解，根据各分量的故障特征能量比（FCER），对其进行加权重构得到重构信号；计算重构信号的IGI；将IGI作为重构信号的FCER进行加权计算，得到最终的指标IGI-FCER-HI。（剩余12847字）