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. |
个性服务 |
查看访问统计 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论