|
|||||
|
|
| 基于粒化散布熵和SSA-SVM的轴承故障诊断 | |
| 引用本文： | 叶震,李琨.基于粒化散布熵和SSA-SVM的轴承故障诊断[J].机床与液压,2022,50(22):157-162. |
| 作者姓名： | 叶震 李琨 |
| 作者单位： | 昆明理工大学信息工程与自动化学院 |
| 基金项目： | 北京市科技计划项目 (Z191100002019004);北京市教委科技计划一般项目（KM202011232012） |
| 摘 要： | 针对轴承故障振动信号在单一尺度下提取故障特征信息不完备，导致故障诊断识别率较低的问题,提出基于粒化散布熵(FIG-DE)和麻雀搜索算法(SSA)参〖JP2〗数优化的支持向量机（SVM）的轴承故障诊断方法。利用模糊信息粒化对轴承振动信号进行粒化处理，得到fLow、fR、fUp3个尺度下的模糊信息粒；分别计算3组信号的散布熵；将所得的熵值组成特征向量矩阵，输入SSA-SVM进行轴承故障分类。结果表明：利用SSA-SVM进行滚动轴承故障诊断，准确率有明显的提高。 |
| 关 键 词： | 模糊信息粒化 散布熵 支持向量机 故障诊断 |
Bearing Fault Diagnosis Based on Granulation Dispersion Entropy and SSA-SVM |
|
| Abstract: | |
| Keywords: | Fuzzy information granulation Dispersion entropy Support vector machine Fault diagnosis |
| 点击此处可从《机床与液压》浏览原始摘要信息 | |
| 点击此处可从《机床与液压》下载全文 | |
