首页 | 本学科首页   官方微博 | 高级检索  
     

基于超声解调信号多特征融合的轴承故障识别
作者姓名:姜浪朗  张敬超  江国乾  苏连成  李英伟
作者单位:1. 燕山大学电气工程学院;2. 燕山大学信息科学与工程学院
基金项目:国家自然科学基金资助项目(61827811);;国防基础研究计划资助项目(JCKY2019407C002);
摘    要:针对当前振动监测对轴承初期微损状态监测难、精准度低的问题,提出了一种基于经验模态分解与多类熵值相结合的轴承状态监测方法,研究超声解调信号对故障诊断的可行性。首先将预处理后的超声解调信号进行经验模态分解得到若干本征模态分量,然后对各本征模态分量计算不同熵值特征,再将多特征融合后代入随机森林训练分类模型,利用混淆矩阵进行精度评价,最终对早期故障识别准确率高达97.92%。研究表明,超声解调信号对判别轴承早期故障效果更佳;经过多类熵值特征融合后,轴承状态分类具有更高的识别准确率。

关 键 词:轴承  状态监测  经验模态分解  超声解调信号  多特征融合  随机森林
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号