基于双维度EKNN的滚动轴承早期故障分类算法
为提高对滚动轴承早期故障识别的精确度,提出一种基于混合特征提取的故障分类模型.该模型利用类内紧致性和类间重叠性识别出次优特征组,作为增强K近邻分类器(EK N N)的输入,并以距离和密度双维度计算,得到最大平均分类精确度,进而输出最优早期故障特征组,对未知数据进行分类来检测故障.实验采集滚动轴承在低速运行下的早期故障声发射(A E)信号,对所提算法以及现有5种算法进行对比分析,验证了其对滚动轴承早期故障诊断具有更好的表现.
声发射信号、增强K近邻分类器、滚动轴承、早期故障分类、故障诊断
27
TP306.3;TP274.2(计算技术、计算机技术)
国家自然科学基金面上资助项目;湖南省自然科学基金资助项目;湖南省教育厅重点资助项目;2019湖南省研究生创新资助项目
2021-03-04(万方平台首次上网日期,不代表论文的发表时间)
共12页
90-101