机械设计与研究 ›› 2018, Vol. 34 ›› Issue (06): 95-98.doi: 10.13952/j.cnki.jofmdr.a4760
张安安;黄晋英;朱文辉;张利东;
发布日期:
2020-07-26
Published:
2020-07-26
摘要: 针对EMD存在的模态混叠以及轴承振动信号故障特征提取困难的问题,提出了一种基于EEMD与盒维数的轴承故障特征提取方法。首先,采用EEMD方法将去噪后的轴承振动信号自适应地分解为多个本征模函数。其次,利用相关系数和峭度选取一定量的本征模函数,并计算盒维数与能量熵得到特征向量。最后,将特征向量输入概率神经网络进行分类识别。仿真与实验结果表明在抗模态混叠以及轴承故障分类识别方面,该方法均优于EMD。
张安安;黄晋英;朱文辉;张利东;. 基于EEMD与盒维数的轴承故障特征提取[J]. 机械设计与研究, 2018, 34(06): 95-98.
[1] | 许勇, 蔡云泽, 宋林. 基于数据驱动的核电设备状态评估研究综述[J]. 上海交通大学学报, 2022, 56(3): 267-278. |
[2] | 刘秀丽, 徐小力. 基于特征金字塔卷积循环神经网络的故障诊断方法[J]. 上海交通大学学报, 2022, 56(2): 182-190. |
[3] | 马航宇, 周笛, 卫宇杰, 吴伟, 潘尔顺. 变工况下基于自适应深度置信网络的轴承智能故障诊断[J]. 上海交通大学学报, 2022, 56(10): 1368-1377. |
[4] | 卓鹏程, 严瑾, 郑美妹, 夏唐斌, 奚立峰. 面向滚动轴承全生命周期故障诊断的GA-OIHF Elman神经网络算法[J]. 上海交通大学学报, 2021, 55(10): 1255-1262. |
[5] | 胡晓强,仲训昱,张霄力,彭侠夫,何荧. 基于支持向量机辅助的四轴陀螺两级故障诊断方法[J]. 上海交通大学学报, 2020, 54(11): 1151-1156. |
[6] | 刘渊, 俞翔栋, 丁蓉, 卢永文,. 船用万向联轴器传扭轴承的均载性能研究[J]. 传动技术, 2020, 34(02): 7-11. |
[7] | 平子维, 周友国, 黄进, 张安东, 陈小苏,. 变速器滚子轴承常见失效原因分析[J]. 传动技术, 2020, 34(02): 44-48. |
[8] | 戴金财;陈小开;黄超;黄文龙;. 某手动转向踏板式搬运车转向系统改进设计[J]. 机械设计与研究, 2020, 36(02): 196-198. |
[9] | 高家宝;许昕;潘宏侠;付志敏;. 基于信息熵与神经网络的供输弹系统早期故障诊断[J]. 机械设计与研究, 2020, 36(02): 181-184+188. |
[10] | 周建民;游涛;尹文豪;张龙;张臣臣;. 基于融合FCM-SVDD模型的滚动轴承退化状态识别[J]. 机械设计与研究, 2020, 36(01): 124-129. |
[11] | 赵璐;许昕;潘宏侠;付志敏;高家宝;. 基于信息熵与信息融合的供输弹系统故障诊断研究[J]. 机械设计与研究, 2020, 36(01): 169-172. |
[12] | 张龙;宋成洋;邹友军;崔路瑶;雷兵;. 基于VMD多特征融合与PSO-SVM的滚动轴承故障诊断[J]. 机械设计与研究, 2019, 35(06): 96-104. |
[13] | 张龙;吴佳敏;吴荣真;宋成洋;易剑昱;. 基于多尺度熵与SOM神经网络的滚动轴承故障识别[J]. 机械设计与研究, 2019, 35(06): 105-110. |
[14] | 周建民;王发令;张龙;李鹏;张臣臣;. 基于RBF神经网络与模糊评价的滚动轴承退化状态定量评估[J]. 机械设计与研究, 2019, 35(06): 116-122+127. |
[15] | 李东;刘广璞;黄晋英;张安安;. 基于EEMD-SVD与SVM的轴承故障诊断[J]. 机械设计与研究, 2019, 35(06): 123-127. |
阅读次数 | ||||||
全文 |
|
|||||
摘要 |
|
|||||