基于EEMD模糊熵的PCA-GG滾動(dòng)軸承聚類故障診斷
發(fā)布時(shí)間：2017-10-25 18:01
本文關(guān)鍵詞：基于EEMD模糊熵的PCA-GG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 模糊熵 總體平均經(jīng)驗(yàn)?zāi)Ｊ椒纸?/b> Gath-Geva聚類
【摘要】：針對(duì)滾動(dòng)軸承故障診斷中振動(dòng)信號(hào)的熵特征向量維數(shù)高的問題,提出一種基于總體平均經(jīng)驗(yàn)?zāi)B(tài)分解、模糊熵、主成分分析、GG(Gath-Geva)聚類算法相結(jié)合的滾動(dòng)軸承聚類故障診斷法。采用經(jīng)驗(yàn)?zāi)Ｊ椒纸馀c總體平均經(jīng)驗(yàn)?zāi)Ｊ椒纸夥謩e對(duì)滾動(dòng)軸承的原始信號(hào)進(jìn)行分解,得到若干個(gè)固有模式分量,并使用樣本熵與模糊熵計(jì)算其熵值。通過主成分分析法對(duì)熵特征向量進(jìn)行可視化降維,并作為模糊C均值、GK(GustafsonKessel)與GG聚類算法的輸入,實(shí)現(xiàn)對(duì)滾動(dòng)軸承的故障診斷。利用分類系數(shù)和平均模糊熵對(duì)上述聚類結(jié)果進(jìn)行評(píng)價(jià)與對(duì)比。通過實(shí)驗(yàn)表明,所設(shè)計(jì)的模型能對(duì)熵特征向量進(jìn)行可視化降維,且其故障識(shí)別聚類效果優(yōu)于其他方法。
【作者單位】： 武漢大學(xué)自動(dòng)化系;
【關(guān)鍵詞】： 滾動(dòng)軸承 故障診斷 模糊熵 總體平均經(jīng)驗(yàn)?zāi)Ｊ椒纸?/strong> Gath-Geva聚類
【基金】：國家自然科學(xué)基金資助項(xiàng)目(61201168) 中央高校基本科研業(yè)務(wù)費(fèi)專項(xiàng)資金資助項(xiàng)目(121031)~~
【分類號(hào)】：TH133.33
【正文快照】： 0引言旋轉(zhuǎn)機(jī)械中約有30%的機(jī)械故障是由滾動(dòng)軸承故障引起的[1],因此滾動(dòng)軸承的故障診斷具有重要意義,而使用滾動(dòng)軸承的振動(dòng)信號(hào)進(jìn)行故障診斷是常用的方式之一[2]。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)軸承故障診斷中的兩個(gè)重要部分。由于滾動(dòng)軸承的振動(dòng)信號(hào)具有非線性
【相似文獻(xiàn)】
中國期刊全文數(shù)據(jù)庫 前5條
1 霍華,李柱國;基于信息熵及模糊熵聚類算法的油液監(jiān)測(cè)數(shù)據(jù)關(guān)聯(lián)性[J];上海交通大學(xué)學(xué)報(bào);2005年01期
2 劉志剛;楊榮菲;向宏輝;;基于模糊熵的壓氣機(jī)失速信號(hào)分析研究[J];測(cè)控技術(shù);2014年02期
3 羅頌榮;程軍圣;鄭近德;;基于ITD分形模糊熵的軸承早期故障診斷[J];振動(dòng).測(cè)試與診斷;2013年04期
4 王磊;紀(jì)國宜;;基于EMD模糊熵和SVM的轉(zhuǎn)子系統(tǒng)故障診斷[J];噪聲與振動(dòng)控制;2012年03期
5 ;[J];;年期
，本文編號(hào)：1094842
本文鏈接：http://www.sikaile.net/kejilunwen/jixiegongcheng/1094842.html
最近更新
教材專著
