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

  更多相關(guān)文章： 多域熵 FCM聚類 故障診斷

【摘要】：針對傳統(tǒng)故障診斷中,特征的有效提取依賴于降噪的效果,提出一種基于多域熵與模糊C均值聚類的故障診斷模型。采集設(shè)備運(yùn)行過程中的振動信號,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,通過模糊C均值聚類對設(shè)備狀態(tài)進(jìn)行識別。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聚類的故障診斷模型,結(jié)果表明該方法地對故障類別以及故障程度的識別分類具有良好的效果。
[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)代測控技術(shù)教育部重點(diǎn)實(shí)驗(yàn)室;
【基金】：國家自然科學(xué)基金資助項(xiàng)目(51575055) 國家科技重大專項(xiàng)(2015ZX04001002)
【分類號】：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)依賴于對振動信號在時(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)械振動信號通常是非線性、非平穩(wěn)的且受到大量噪聲干擾,因此傳統(tǒng)信號特征提取方法具有一定的局限性。信息，

本文編號：1409913