机械设计与研究 ›› 2019, Vol. 35 ›› Issue (01): 192-195.doi: 10.13952/j.cnki.jofmdr.a4835
梁海英;许昕;潘宏侠;付志敏;
出版日期:
2019-02-20
发布日期:
2019-02-20
Online:
2019-02-20
Published:
2019-02-20
摘要: 对于供输弹系统早期故障中信号成分复杂,潜在故障征兆难以识别的问题,本文提出了基于EEMD-KFCM的早期故障识别方法。首先用EEMD方法对供输弹系统振动信号进行分解,对分解的分量进行相关系数运算,选取与原始信号相关系数大的前4层分量对信号进行重构;接着提取前4层分量的能量百分比作为特征;最后基于核的模糊C均值聚类方法,对供输弹系统三种不同状态振动信号EEMD分解后的能量特征进行分类识别,并与模糊C均值聚类方法进行了对比。实验结果表明,该方法能有效地对自动供输弹系统早期故障进行识别,正确率达88.89%。
梁海英;许昕;潘宏侠;付志敏;. 基于EEMD与模糊核聚类的供输弹系统早期故障识别[J]. 机械设计与研究, 2019, 35(01): 192-195.
[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] | 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. |
[5] | 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. |
[6] | 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. |
[7] | 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. |
[8] | 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. |
[9] | 张航;许昕;潘宏侠;梁海英;. 基于ITD与PSO-SVM的供输弹系统故障诊断[J]. 机械设计与研究, 2019, 35(06): 197-200. |
[10] | 陆纪文;. 基于MCKD与1.5维Teager能量谱的滚动轴承故障诊断方法[J]. 机械设计与研究, 2019, 35(03): 100-103. |
[11] | 汪开正;黄亦翔;张旭东;李彦明;. 基于AdaBoost-SOM方法的电机故障诊断[J]. 机械设计与研究, 2019, 35(02): 155-159. |
[12] | 王宜静;谭海燕;. 基于多维度互近似熵的滚动轴承故障诊断方法研究[J]. 机械设计与研究, 2019, 35(01): 110-112+124. |
[13] | 付志敏;许昕;潘宏侠;赵雄鹏;梁海英;. 基于MRSVD与Elman神经网络的供输弹系统早期故障识别[J]. 机械设计与研究, 2019, 35(01): 165-168+174. |
[14] | 熊国良;毛志德;张龙;崔路瑶;. 基于总体平均经验模态分解与1.5维谱的滚动轴承故障诊断方法[J]. 机械设计与研究, 2019, 35(01): 100-104. |
[15] | 逯程1,徐廷学1,王虹2. 基于属性粒化聚类与回声状态网络的末制导雷达故障诊断[J]. 上海交通大学学报(自然版), 2018, 52(9): 1112-1119. |
阅读次数 | ||||||
全文 |
|
|||||
摘要 |
|
|||||