發(fā)布時間：2018-08-02 11:29

【摘要】：軸承的故障信息提取直接決定了診斷的正確與否,為了能準確地識別軸承狀態(tài),提出了一種基于經驗小波變換和多尺度熵的軸承特征信息提取及分類方法。該方法通過提取信號頻域相鄰最大值間的極小值,對Fourier譜進行自適應劃分,并構造合適的小波濾波器組提取不同的模態(tài);再引入多尺度熵,對最優(yōu)模態(tài)建立的粗粒向量進行狀態(tài)分類。試驗分析表明:與EEMD相比,該方法具有更優(yōu)的自適應特征提取和故障分類特性。
[Abstract]:The fault information extraction of bearings directly determines whether the diagnosis is correct or not. In order to identify the bearing state accurately, a method of feature information extraction and classification based on empirical wavelet transform and multi-scale entropy is proposed. By extracting the minimum value between the adjacent maximum values in the frequency domain, the Fourier spectrum is divided adaptively, and the suitable wavelet filter banks are constructed to extract different modes, and then the multi-scale entropy is introduced. The state classification of coarse grained vectors established by optimal modal is carried out. The experimental results show that the proposed method has better adaptive feature extraction and fault classification than EEMD.
【作者單位】： 廣東石油化工學院計算機與電子信息學院;廣東省石化裝備故障診斷重點實驗室;華南理工大學自動化科學與工程學院;
【基金】：國家自然科學基金項目(61174113) 廣東省石化裝備故障診斷重點實驗室開放基金項目(201313;201325) 茂名市科技計劃項目(201322)
【分類號】：TH133.3

【相似文獻】

相關期刊論文 前2條

1 鄭近德;程軍圣;胡思宇;;多尺度熵在轉子故障診斷中的應用[J];振動.測試與診斷;2013年02期

2 ;[J];;年期

相關會議論文 前2條

1 李嬋;張陽;張義軍;;地閃“不規(guī)則”先導的多尺度熵特征研究[A];創(chuàng)新驅動發(fā)展 提高氣象災害防御能力——S11第十一屆防雷減災論壇[C];2013年

2 張濤;李雅堂;閻睿;楊卓;;基于多尺度的非線性動力學分析及其在神經系統(tǒng)中的應用[A];第八屆全國動力學與控制學術會議論文集[C];2008年

相關碩士學位論文 前7條

1 龍玉濤;基于熵測度的移動條件下十二通道心電信號質量評估[D];山東大學;2015年

2 劉曉婷;基于加速度的人體步態(tài)信息多尺度熵研究[D];天津大學;2008年

3 劉東海;基于多元多尺度熵的人體平衡系統(tǒng)研究[D];武漢理工大學;2013年

4 崔潔;基于改進多元多尺度熵的癲癇腦電信號自動分類[D];燕山大學;2014年

5 陳建萍;多尺度熵方法用于電子器件噪聲分析[D];西安電子科技大學;2007年

6 裴建航;基于小波多尺度熵的導航傳感器故障診斷技術研究[D];哈爾濱工程大學;2013年

7 范文會;多尺度熵法用于人體紅外圖像的腰椎病癥研究[D];河北科技大學;2014年

，

本文編號：2159289