利用相關(guān)系數(shù)圖選擇振動信號特征值的方法
發(fā)布時間:2021-05-23 13:26
振動信號常被用來監(jiān)測機(jī)械設(shè)備工作狀態(tài),其特征值選擇會直接影響監(jiān)測效果。以振動信號識別發(fā)動機(jī)故障為工程背景,為了快速有效地提高識別率,提出構(gòu)建相關(guān)系數(shù)圖并利用其選擇振動信號特征值的方法。首先,對發(fā)動機(jī)振動信號提取時域特征參數(shù),計算各特征值之間的皮爾遜相關(guān)系數(shù)(PCC)和最大互信息系數(shù)(MIC);然后,選擇不同閾值構(gòu)建相關(guān)系數(shù)圖,篩選特征值;最后,將特征值作為廣義回歸神經(jīng)網(wǎng)絡(luò)(GRNN)的輸入,分析比對故障識別效果。實驗結(jié)果表明,利用閾值為0.9的MIC圖篩選特征值可以在僅提取少量時域特征值的前提下獲得較高的振動信號對發(fā)動機(jī)故障的識別率。
【文章來源】:現(xiàn)代電子技術(shù). 2020,43(15)北大核心
【文章頁數(shù)】:5 頁
【文章目錄】:
0 引言
1 相關(guān)系數(shù)及特征參數(shù)
2 皮爾遜相關(guān)系數(shù)圖的構(gòu)建
2.1 閾值為0.9的皮爾遜相關(guān)系數(shù)圖
2.2 閾值為0.87的皮爾遜相關(guān)系數(shù)圖
2.3 故障識別及相關(guān)系數(shù)閾值的選擇
3 最大互信息系數(shù)相關(guān)系數(shù)圖的構(gòu)建
3.1 閾值為0.9的最大互信息系數(shù)相關(guān)系數(shù)圖
3.2 最大互信息系數(shù)相關(guān)系數(shù)圖應(yīng)用在故障識別中
4 結(jié)語
【參考文獻(xiàn)】:
期刊論文
[1]基于最大相關(guān)信息系數(shù)的FCBF特征選擇算法[J]. 張俐,袁玉宇,王樅. 北京郵電大學(xué)學(xué)報. 2018(04)
[2]基于IMS聚類算法的柴油發(fā)動機(jī)故障診斷方法研究[J]. 李曉博,江志農(nóng),張沛,錢迪,薛繼旭,鄭會,張進(jìn)杰. 振動與沖擊. 2018(07)
[3]基于多層優(yōu)化PCC-SDG方法的化工過程故障診斷[J]. 董玉璽,李樂寧,田文德. 化工學(xué)報. 2018(03)
[4]基于信息融合的刀具剩余壽命在線預(yù)測方法[J]. 吳軍,蘇永衡,朱永猛,鄧超. 華中科技大學(xué)學(xué)報(自然科學(xué)版). 2017(04)
[5]A Complex Network Model for Analyzing Railway Accidents Based on the Maximal Information Coefficient[J]. 邵福波,李克平. Communications in Theoretical Physics. 2016(10)
本文編號:3202605
【文章來源】:現(xiàn)代電子技術(shù). 2020,43(15)北大核心
【文章頁數(shù)】:5 頁
【文章目錄】:
0 引言
1 相關(guān)系數(shù)及特征參數(shù)
2 皮爾遜相關(guān)系數(shù)圖的構(gòu)建
2.1 閾值為0.9的皮爾遜相關(guān)系數(shù)圖
2.2 閾值為0.87的皮爾遜相關(guān)系數(shù)圖
2.3 故障識別及相關(guān)系數(shù)閾值的選擇
3 最大互信息系數(shù)相關(guān)系數(shù)圖的構(gòu)建
3.1 閾值為0.9的最大互信息系數(shù)相關(guān)系數(shù)圖
3.2 最大互信息系數(shù)相關(guān)系數(shù)圖應(yīng)用在故障識別中
4 結(jié)語
【參考文獻(xiàn)】:
期刊論文
[1]基于最大相關(guān)信息系數(shù)的FCBF特征選擇算法[J]. 張俐,袁玉宇,王樅. 北京郵電大學(xué)學(xué)報. 2018(04)
[2]基于IMS聚類算法的柴油發(fā)動機(jī)故障診斷方法研究[J]. 李曉博,江志農(nóng),張沛,錢迪,薛繼旭,鄭會,張進(jìn)杰. 振動與沖擊. 2018(07)
[3]基于多層優(yōu)化PCC-SDG方法的化工過程故障診斷[J]. 董玉璽,李樂寧,田文德. 化工學(xué)報. 2018(03)
[4]基于信息融合的刀具剩余壽命在線預(yù)測方法[J]. 吳軍,蘇永衡,朱永猛,鄧超. 華中科技大學(xué)學(xué)報(自然科學(xué)版). 2017(04)
[5]A Complex Network Model for Analyzing Railway Accidents Based on the Maximal Information Coefficient[J]. 邵福波,李克平. Communications in Theoretical Physics. 2016(10)
本文編號:3202605
本文鏈接:http://sikaile.net/kejilunwen/xinxigongchenglunwen/3202605.html
最近更新
教材專著