首页
|
官方网站
微博
|
高级检索
全部学科
医药、卫生
生物科学
工业技术
交通运输
航空、航天
环境科学、安全科学
自然科学总论
数理科学和化学
天文学、地球科学
农业科学
哲学、宗教
社会科学总论
政治、法律
军事
经济
历史、地理
语言、文字
文学
艺术
文化、科学、教育、体育
马列毛邓
全部专业
中文标题
英文标题
中文关键词
英文关键词
中文摘要
英文摘要
作者中文名
作者英文名
单位中文名
单位英文名
基金中文名
基金英文名
杂志中文名
杂志英文名
栏目中文名
栏目英文名
DOI
责任编辑
分类号
杂志ISSN号
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
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-23
京公网安备 11010802026262号