典型文献
基于MRE与特征类的轴承故障诊断方法
文献摘要：
针对滚动轴承振动信号难以提取的问题,为实现故障特征准确分类目的.通过多尺度极差熵(MRE)和EigenClas融合,提出了一种MRE-EigenClass分类方法来诊断轴承故障模式.首先,MRE从不同状态下轴承的振动信号提取20个尺度的特征向量,最后将提取到的特征向量输入到EigenClass分类器,得到分类结果.实验证明,提出的MRE与EigenClass算法能有效提取滚动轴承振动信号的特征,并且实现高精度分类.与其他故障识别的分类器相比,本方法具有更高的故障识别准确率,识别精度达到98.86％.
文献关键词：
多尺度极差熵;特征值分类器;故障诊断
中图分类号：
作者姓名：
李富国;王俊元;武增荣;林炳乾;吕品德;范瑞天
作者机构：
中北大学机械工程学院,山西太原030051;山西航天清华装备有限责任公司,山西长治046012
文献出处：
引用格式：
[1]李富国;王俊元;武增荣;林炳乾;吕品德;范瑞天-.基于MRE与特征类的轴承故障诊断方法)[J].制造技术与机床,2022(06):50-54
A类：
多尺度极差熵,EigenClas,EigenClass,特征值分类器
B类：
MRE,轴承故障诊断,故障诊断方法,滚动轴承振动信号,故障特征,类目,分类方法,断轴,故障模式,振动信号提取,特征向量,取到,有效提取,故障识别,识别准确率,识别精度
AB值：
0.218686
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
