典型文献
基于超声解调信号多特征融合的轴承故障识别
文献摘要：
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.
文献关键词：
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
中图分类号：
作者姓名：
姜浪朗;张敬超;江国乾;苏连成;李英伟
作者机构：
燕山大学电气工程学院,河北秦皇岛 066004;燕山大学信息科学与工程学院,河北秦皇岛 066004
文献出处：
引用格式：
[1]姜浪朗;张敬超;江国乾;苏连成;李英伟-.基于超声解调信号多特征融合的轴承故障识别)[J].燕山大学学报,2022(06):484-491,560
A类：
超声解调信号
B类：
多特征融合,轴承故障,故障识别,振动监测,状态监测,基于经验,经验模态分解,监测方法,本征模态分量,后代,代入,分类模型,混淆矩阵,精度评价,早期故障,识别准确率,状态分类
AB值：
0.175258
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。
