發(fā)布時(shí)間：2018-01-11 14:25

  本文關(guān)鍵詞：基于多域熵與FCM聚類(lèi)的故障診斷模型　出處：《組合機(jī)床與自動(dòng)化加工技術(shù)》2016年08期 　論文類(lèi)型：期刊論文

  更多相關(guān)文章： 多域熵 FCM聚類(lèi) 故障診斷

【摘要】：針對(duì)傳統(tǒng)故障診斷中,特征的有效提取依賴(lài)于降噪的效果,提出一種基于多域熵與模糊C均值聚類(lèi)的故障診斷模型。采集設(shè)備運(yùn)行過(guò)程中的振動(dòng)信號(hào),分別計(jì)算其小波包能量熵、功率譜熵和近似熵,其反映了振動(dòng)信息在小波域、頻域以及時(shí)域內(nèi)的復(fù)雜程度。將其作為設(shè)備運(yùn)行特征向量,通過(guò)模糊C均值聚類(lèi)對(duì)設(shè)備狀態(tài)進(jìn)行識(shí)別。利用軸承故障實(shí)驗(yàn)和轉(zhuǎn)子故障實(shí)驗(yàn)驗(yàn)證基于多域熵與FCM聚類(lèi)的故障診斷模型,結(jié)果表明該方法地對(duì)故障類(lèi)別以及故障程度的識(shí)別分類(lèi)具有良好的效果。
[Abstract]:In the traditional fault diagnosis, the effective extraction of features depends on the effect of noise reduction. A fault diagnosis model based on multi-domain entropy and fuzzy C-means clustering is proposed to collect the vibration signals during the operation of the equipment. The wavelet packet energy entropy, power spectrum entropy and approximate entropy are calculated respectively, which reflect the complexity of vibration information in wavelet domain, frequency domain and time domain. The fault diagnosis model based on multi-domain entropy and FCM clustering is verified by using bearing fault experiment and rotor fault experiment. The results show that the method has a good effect on fault classification and classification.
【作者單位】： 北京信息科技大學(xué)機(jī)電工程學(xué)院;北京信息科技大學(xué)現(xiàn)代測(cè)控技術(shù)教育部重點(diǎn)實(shí)驗(yàn)室;
【基金】：國(guó)家自然科學(xué)基金資助項(xiàng)目(51575055) 國(guó)家科技重大專(zhuān)項(xiàng)(2015ZX04001002)
【分類(lèi)號(hào)】：TH17
【正文快照】： 0引言故障診斷是保障機(jī)械設(shè)備正常運(yùn)行的關(guān)鍵技術(shù)之一[1]。傳統(tǒng)故障診斷技術(shù)依賴(lài)于對(duì)振動(dòng)信號(hào)在時(shí)頻域的特征提取,常采用的特征包括:峰峰值、有效值、峭度等。但是由于機(jī)械振動(dòng)信號(hào)通常是非線性、非平穩(wěn)的且受到大量噪聲干擾,因此傳統(tǒng)信號(hào)特征提取方法具有一定的局限性。信息，

本文編號(hào)：1409913