基于EEMD模糊熵的PCA-GG滾動軸承聚類故障診斷
發(fā)布時間：2017-10-25 18:01
本文關(guān)鍵詞：基于EEMD模糊熵的PCA-GG滾動軸承聚類故障診斷
更多相關(guān)文章： 滾動軸承 故障診斷 模糊熵 總體平均經(jīng)驗?zāi)Ｊ椒纸?/b> Gath-Geva聚類
【摘要】：針對滾動軸承故障診斷中振動信號的熵特征向量維數(shù)高的問題,提出一種基于總體平均經(jīng)驗?zāi)B(tài)分解、模糊熵、主成分分析、GG(Gath-Geva)聚類算法相結(jié)合的滾動軸承聚類故障診斷法。采用經(jīng)驗?zāi)Ｊ椒纸馀c總體平均經(jīng)驗?zāi)Ｊ椒纸夥謩e對滾動軸承的原始信號進行分解,得到若干個固有模式分量,并使用樣本熵與模糊熵計算其熵值。通過主成分分析法對熵特征向量進行可視化降維,并作為模糊C均值、GK(GustafsonKessel)與GG聚類算法的輸入,實現(xiàn)對滾動軸承的故障診斷。利用分類系數(shù)和平均模糊熵對上述聚類結(jié)果進行評價與對比。通過實驗表明,所設(shè)計的模型能對熵特征向量進行可視化降維,且其故障識別聚類效果優(yōu)于其他方法。
【作者單位】： 武漢大學自動化系;
【關(guān)鍵詞】： 滾動軸承 故障診斷 模糊熵 總體平均經(jīng)驗?zāi)Ｊ椒纸?/strong> Gath-Geva聚類
【基金】：國家自然科學基金資助項目(61201168) 中央高校基本科研業(yè)務(wù)費專項資金資助項目(121031)~~
【分類號】：TH133.33
【正文快照】： 0引言旋轉(zhuǎn)機械中約有30%的機械故障是由滾動軸承故障引起的[1],因此滾動軸承的故障診斷具有重要意義,而使用滾動軸承的振動信號進行故障診斷是常用的方式之一[2]。滾動軸承振動信號的特征提取和故障識別是滾動軸承故障診斷中的兩個重要部分。由于滾動軸承的振動信號具有非線性
【相似文獻】
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)測數(shù)據(jù)關(guān)聯(lián)性[J];上海交通大學學報;2005年01期
2 劉志剛;楊榮菲;向宏輝;;基于模糊熵的壓氣機失速信號分析研究[J];測控技術(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.測試與診斷;2013年04期
4 王磊;紀國宜;;基于EMD模糊熵和SVM的轉(zhuǎn)子系統(tǒng)故障診斷[J];噪聲與振動控制;2012年03期
5 ;[J];;年期
，本文編號：1094842
本文鏈接：http://sikaile.net/kejilunwen/jixiegongcheng/1094842.html
最近更新
教材專著
