10.3969/j.issn.1004-132X.2017.10.013
变分模态分解消噪与核模糊C均值聚类相结合的滚动轴承故障识别方法
提出了一种变分模态分解消噪与核模糊C均值聚类相结合的滚动轴承故障识别方法.首先,对实测振动信号进行处理,得到V MD的参数;然后,对信号进行V MD分解,得到一系列限带内禀模态函数(BIMF)分量,筛选并叠加组成重构信号;第三步,计算重构信号的样本熵和均方根值作为特征向量,从而得到训练样本和测试样本的特征向量集;第四步,通过KFCM聚类方法对训练样本特征向量集进行聚类分析,得到四种类型信号的聚类中心;最后根据测试样本特征向量与训练样本聚类中心欧式距离最小的原则识别故障类型.此外,将振动信号用经验模态分解(EMD)方法进行消噪,再用KFCM聚类进行分类识别,将两种方法的识别效果进行对比,结果表明所提方法的故障识别效果要优于E MD消噪和KFCM聚类相结合方法的识别效果.
变分模态分解、核模糊C均值聚类、样本熵、故障识别
28
TH13;TH17
国家自然科学基金资助项目51475405;国家重点基础研究发展计划973 计划资助项目2014CB046405;河北省自然科学基金资助项目E2013203161;河北省研究生创新资助项目00302-6370002
2017-06-15(万方平台首次上网日期,不代表论文的发表时间)
共7页
1215-1220,1226