基于EWT和多尺度熵的轴承特征提取及分类

发布时间：2018-08-02 11:29

【摘要】：轴承的故障信息提取直接决定了诊断的正确与否,为了能准确地识别轴承状态,提出了一种基于经验小波变换和多尺度熵的轴承特征信息提取及分类方法。该方法通过提取信号频域相邻最大值间的极小值,对Fourier谱进行自适应划分,并构造合适的小波滤波器组提取不同的模态;再引入多尺度熵,对最优模态建立的粗粒向量进行状态分类。试验分析表明:与EEMD相比,该方法具有更优的自适应特征提取和故障分类特性。
[Abstract]:The fault information extraction of bearings directly determines whether the diagnosis is correct or not. In order to identify the bearing state accurately, a method of feature information extraction and classification based on empirical wavelet transform and multi-scale entropy is proposed. By extracting the minimum value between the adjacent maximum values in the frequency domain, the Fourier spectrum is divided adaptively, and the suitable wavelet filter banks are constructed to extract different modes, and then the multi-scale entropy is introduced. The state classification of coarse grained vectors established by optimal modal is carried out. The experimental results show that the proposed method has better adaptive feature extraction and fault classification than EEMD.
【作者单位】： 广东石油化工学院计算机与电子信息学院;广东省石化装备故障诊断重点实验室;华南理工大学自动化科学与工程学院;
【基金】：国家自然科学基金项目(61174113) 广东省石化装备故障诊断重点实验室开放基金项目(201313;201325) 茂名市科技计划项目(201322)
【分类号】：TH133.3

【相似文献】

相关期刊论文 前2条

1 郑近德;程军圣;胡思宇;;多尺度熵在转子故障诊断中的应用[J];振动.测试与诊断;2013年02期

2 ;[J];;年期

相关会议论文 前2条

1 李婵;张阳;张义军;;地闪“不规则”先导的多尺度熵特征研究[A];创新驱动发展 提高气象灾害防御能力——S11第十一届防雷减灾论坛[C];2013年

2 张涛;李雅堂;阎睿;杨卓;;基于多尺度的非线性动力学分析及其在神经系统中的应用[A];第八届全国动力学与控制学术会议论文集[C];2008年

相关硕士学位论文 前7条

1 龙玉涛;基于熵测度的移动条件下十二通道心电信号质量评估[D];山东大学;2015年

2 刘晓婷;基于加速度的人体步态信息多尺度熵研究[D];天津大学;2008年

3 刘东海;基于多元多尺度熵的人体平衡系统研究[D];武汉理工大学;2013年

4 崔洁;基于改进多元多尺度熵的癫痫脑电信号自动分类[D];燕山大学;2014年

5 陈建萍;多尺度熵方法用于电子器件噪声分析[D];西安电子科技大学;2007年

6 裴建航;基于小波多尺度熵的导航传感器故障诊断技术研究[D];哈尔滨工程大学;2013年

7 范文会;多尺度熵法用于人体红外图像的腰椎病症研究[D];河北科技大学;2014年

，

本文编号：2159289