EEMD排列熵與PCA-GK的滾動(dòng)軸承聚類故障診斷
發(fā)布時(shí)間：2017-12-18 10:14
本文關(guān)鍵詞：EEMD排列熵與PCA-GK的滾動(dòng)軸承聚類故障診斷
更多相關(guān)文章： 滾動(dòng)軸承 故障診斷 總體經(jīng)驗(yàn)?zāi)Ｊ椒纸?/b> 排列熵 GK聚類算法
【摘要】：針對滾動(dòng)軸承故障診斷中,用振動(dòng)信號(hào)的總體經(jīng)驗(yàn)?zāi)Ｊ椒纸?EEMD)方法分解后的熵特征向量維數(shù)高,且樣本熵(SE)計(jì)算效率差等問題,提出了一種基于EEMD排列熵(PE)的主成分分析(PCA)-GK滾動(dòng)軸承聚類故障診斷組合方法。首先,使用EEMD方法將信號(hào)分解為若干個(gè)固有模態(tài)函數(shù)(IMFs),使用PE/SE計(jì)算其IMFs熵值;然后,使用PCA對熵特征向量進(jìn)行可視化降維,并作為模糊C均值(FCM)與GK聚類算法的輸入,實(shí)現(xiàn)對滾動(dòng)軸承的故障診斷。利用分類系數(shù)和平均模糊熵,對聚類結(jié)果進(jìn)行了評價(jià)與對比,實(shí)驗(yàn)結(jié)果表明:本文模型(EEMD-PE-PCA-GK)的聚類效果比其他3種模型(EEMD-SE-PCA-FCM、EEMD-SE-PCA-GK和EEMDPE-PCA-FCM)更好,且PE比SE的計(jì)算效率更快。
【作者單位】： 廣東電網(wǎng)有限責(zé)任公司電力科學(xué)研究院;武漢大學(xué)自動(dòng)化系;
【分類號(hào)】：TH133.33;;TP206+.3
【正文快照】： 0引言 滾動(dòng)軸承作為旋轉(zhuǎn)機(jī)械運(yùn)行的重要部件之一,其故障診斷具有重要意義。使用滾動(dòng)軸承的振動(dòng)信號(hào)進(jìn)行旋轉(zhuǎn)機(jī)械的故障診斷是常用的方式之一[1]。滾動(dòng)軸承振動(dòng)信號(hào)的特征提取和故障識(shí)別是滾動(dòng)軸承故障診斷中兩個(gè)重要的部分。經(jīng)驗(yàn)?zāi)Ｊ椒纸?empirical mode decomposition,EMD)[
【相似文獻(xiàn)】
中國重要會(huì)議論文全文數(shù)據(jù)庫 前1條
1 夏江江;嚴(yán)中偉;;北京地區(qū)城市化進(jìn)程對局地生長季變化的影響[A];第28屆中國氣象學(xué)會(huì)年會(huì)——S7城市氣象精細(xì)預(yù)報(bào)與服務(wù)[C];2011年
中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條
1 趙肖宇;基于EMD和EEMD的自適應(yīng)光譜預(yù)處理方法及其應(yīng)用研究[D];燕山大學(xué);2015年
，本文編號(hào)：1303783
本文鏈接：http://www.sikaile.net/jixiegongchenglunwen/1303783.html
最近更新
教材專著
