基于RCMDE与极限学习机的滚动轴承故障诊断

摘要：

针对滚动轴承故障信号识别率低的情况,提出一种基于精细复合多尺度离散熵(RCMDE)与极限学习机(ELM)的故障诊断方法.首先,从原始振动信号中提取20个尺度的精细复合多尺度离散熵并以此构建故障特征集,然后利用ELM对其进行故障种类识别.通过凯斯西储大学的轴承数据验证提出方法的有效性,最后将提出方法与MPE-ELM进行对比.对比结果说明提出的故障诊断方法具有更高的分类精度.

关键词：精细复合多尺度离散熵、ELM、故障诊断

分类号：TH165+.3

资助基金：国家自然科学基金52075477

在线出版日期：2023-04-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：123-126