基于多尺度样本熵与PCA-FCM的滚动轴承故障诊断

摘要：

针对滚动轴承故障诊断中多尺度样本熵特征向量维数高及其维度难以确定问题,提出了一种基于多尺度样本熵的主成分分析的模糊聚类故障识别模型.该模型首先使用多尺度样本熵方法提取滚动轴承正常、内圈故障、外圈故障、滚动体故障的振动信号特征.其次对多尺度样本熵特征向量使用主成分分析方法进行降维.然后通过累积贡献率来确定其特征向量的维度,并利用选定的特征向量属性作为模糊C均值聚类模型的输入并进行故障识别.最后通过分类系数和分类熵这两个聚类评价指标进行聚类效果的检验.实验结果表明该模型能较好的区分滚动轴承的正常与内圈故障、外圈故障、滚动体故障这4种信号.

关键词：多尺度样本熵、主成分分析、模糊C均值、滚动轴承、故障诊断

所属期刊栏目：38

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金项目61201168

在线出版日期：2017-05-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：100-106,111