基于LCD和GMM-VPMCD混合模型的滚动轴承退化状态识别

发布时间：2017-07-19 10:14

  本文关键词：基于LCD和GMM-VPMCD混合模型的滚动轴承退化状态识别

  更多相关文章： 局部特征尺度分解 高斯混合模型 VPMCD 滚动轴承 退化状态识别

【摘要】：滚动轴承退化状态识别的关键在于特征提取和模式识别,局部特征尺度分解(local characteristic-scale decomposition,LCD)方法是一种新的时频分析方法,非常适用于滚动轴承振动信号的特征提取。基于变量预测模型的模式识别(Variable predictive model based class discriminate,VPMCD)方法是一种利用特征值之间的相互关系进行分类的模式识别方法,可以用于滚动轴承的退化状态识别。将LCD、VPMCD和高斯混合模型(Gaussain mixture model,GMM)相结合,提出了基于LCD和GMM-VPMCD混合模型的滚动轴承退化状态识别方法,首先对滚动轴承全寿命数据进行LCD分解并提取分量的特征值,然后利用GMM对全寿命数据的特征值进行聚类,将全寿命数据在时域上分成若干个退化状态,最后建立VPMCD模型并对测试数据进行分类,从而实现滚动轴承的退化状态识别。实验数据的分析结果表明,基于LCD的GMM-VPMCD混合模型可以有效实现滚动轴承的退化状态识别。
【作者单位】： 河南工业职业技术学院机械工程系;湖南大学机械与运载工程学院;
【关键词】： 局部特征尺度分解 高斯混合模型 VPMCD 滚动轴承 退化状态识别
【基金】：国家自然科学基金项目(51175158)资助~~
【分类号】：TH133.33
【正文快照】： LIU Jibiao1CHENG Junsheng2LIU Yanfei2(1.Department of Mechanical Engineering,Henan Polytechnic Institute,Nanyang 473000,China)(2.College of Mechanical and Vehicle Engineering,Hunan University,Changsha 410082,China)引言滚动轴承是机械设备中使用最广泛,且极，

本文编号：562340