融合CEEMD_MPE和GK模糊聚类的故障识别方法 | |
赵荣珍; 孙泽金 | |
刊名 | 振动工程学报 |
2020-06-15 | |
期号 | 2020-03页码:629-635 |
关键词 | 故障诊断 互补集合经验模态分解 多尺度排列熵 GK模糊聚类 |
DOI | 10.16385/j.cnki.issn.1004-4523.2020.03.023 |
英文摘要 | 针对转子故障信号非线性、非平稳性的特点,提出了一种基于互补集合经验模态分解、多尺度排列熵和GK聚类的故障特征提取和识别方法。首先采用互补集合经验模态分解对故障信号进行分解,依据相关系数原则,选取相关系数最大的模态分量作为分析对象;然后利用多尺度排列熵量化模态分量的故障特征作为特征向量;最后,将经过PCA(Principal Component Analysis)降维后的低维特征集输入到GK模糊聚类算法中进行故障识别分类。将所提方法应用于典型转子实验台的故障特征集,通过分类系数与划分熵对分类效果进行检验,并与其他模式组合方法进行比较。结果表明,本文所提方法能够更有效提取故障特征。 |
URL标识 | 查看原文 |
语种 | 中文 |
内容类型 | 期刊论文 |
源URL | [http://ir.lut.edu.cn/handle/2XXMBERH/104115] |
专题 | 兰州理工大学 |
作者单位 | 兰州理工大学机电工程学院 |
推荐引用方式 GB/T 7714 | 赵荣珍,孙泽金. 融合CEEMD_MPE和GK模糊聚类的故障识别方法[J]. 振动工程学报,2020(2020-03):629-635. |
APA | 赵荣珍,&孙泽金.(2020).融合CEEMD_MPE和GK模糊聚类的故障识别方法.振动工程学报(2020-03),629-635. |
MLA | 赵荣珍,et al."融合CEEMD_MPE和GK模糊聚类的故障识别方法".振动工程学报 .2020-03(2020):629-635. |
个性服务 |
查看访问统计 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论