基于QPSO-MPE的滚动轴承故障识别方法

doi:10.16450/j.cnki.issn.1004-6801.2021.01.009

CORC > 兰州理工大学 > 兰州理工大学 > 机电工程学院

	基于QPSO-MPE的滚动轴承故障识别方法
	王望望 1; 邓林峰 1,2; 赵荣珍 1; 张爱华 2
刊名	振动.测试与诊断
	2021-02-15
卷号	41 期号:2021,41(01)页码:62-68+200-201
关键词	滚动轴承故障识别量子粒子群优化多尺度排列熵集成经验模态分解 GG模糊聚类
DOI	10.16450/j.cnki.issn.1004-6801.2021.01.009
英文摘要	为准确辨识滚动轴承故障类型,提出了一种基于量子粒子群优化多尺度排列熵（quantum-behaved particle swarm optimization and multi-scale permutation entropy,简称QPSO-MPE）的滚动轴承故障识别方法。首先,对滚动轴承的原始振动信号进行集成经验模态分解（ensemble empirical mode decomposition,简称EEMD）,得到一系列内禀模态分量（intrinsic mode function,简称IMF）和一个趋势项,并以峭度作为度量指标筛选出含有主要故障特征信息的IMF来重构振动信号;然后,利用量子粒子群优化算法对多尺度排列熵的关键参数进行优化,得到其模型计算重构信号的多尺度排列熵,从而构建轴承故障的多尺度排列熵特征集;最后,将故障特征集输入GG（Gath-Geva）模糊聚类算法进行聚类识别。实验结果表明,基于QPSO-MPE的滚动轴承故障识别方法可实现滚动轴承典型故障的准确辨识,证明了QPSO-MPE在故障特征提取方面的有效性。
URL标识	查看原文
语种	中文
内容类型	期刊论文
源URL	[http://ir.lut.edu.cn/handle/2XXMBERH/146999]
专题	机电工程学院电气工程与信息工程学院
作者单位	1.. 兰州理工大学机电工程学院; 2.. 兰州理工大学电气工程与信息工程学院
推荐引用方式 GB/T 7714	王望望,邓林峰,赵荣珍,等. 基于QPSO-MPE的滚动轴承故障识别方法[J]. 振动.测试与诊断,2021,41(2021,41(01)):62-68+200-201.
APA	王望望,邓林峰,赵荣珍,&张爱华.(2021).基于QPSO-MPE的滚动轴承故障识别方法.振动.测试与诊断,41(2021,41(01)),62-68+200-201.
MLA	王望望,et al."基于QPSO-MPE的滚动轴承故障识别方法".振动.测试与诊断 41.2021,41(01)(2021):62-68+200-201.