典型文献
基于改进的数据融合滚动轴承故障诊断
文献摘要：
针对滚动轴承单一诊断方法造成误诊率高、可靠性低的缺陷,提出一种基于变分模态分解(VMD)-支持向量机(SVM)和数学形态学(MM)-相关性分析(CA)的复合诊断算法.该算法采用双通道并行诊断,通道1使用VMD在频域分解故障信号,并结合贝叶斯SVM分类器获取诊断结果的后验概率,具有诊断准确性高的优点;通道2使用MM方法在时域中提取故障特征,通过CA方法获得诊断结果的相关性系数,具有较强的泛化能力.通过改进的加权平均证据理论方法将两通道判定结果有机融合,发挥两种单一方法的优势互补,实现复合式故障诊断.使用轴承故障试验台对复合算法进行验证,与单一方法进行对比.结果表明:该复合算法可有效提取非平稳信号中的故障特征,提高诊断结果的可靠性.
文献关键词：
滚动轴承;变分模态分解;数学形态学;数据融合;故障诊断
中图分类号：
作者姓名：
齐咏生;白宇;高胜利;李永亭
作者机构：
内蒙古工业大学电力学院,内蒙古呼和浩特 010080;内蒙古北方龙源风力发电有限责任公司,内蒙古呼和浩特 010050
文献出处：
引用格式：
[1]齐咏生;白宇;高胜利;李永亭-.基于改进的数据融合滚动轴承故障诊断)[J].铁道学报,2022(10):24-32
A类：
B类：
数据融合,滚动轴承故障诊断,误诊率,变分模态分解,VMD,数学形态学,MM,CA,双通道,频域分解,故障信号,分类器,诊断结果,后验概率,诊断准确性,故障特征,相关性系数,泛化能力,加权平均,证据理论,理论方法,两通,优势互补,复合式,试验台,复合算法,有效提取,非平稳信号
AB值：
0.315276
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。
