典型文献
混合特征量提取与FCM聚类在轴承故障模式识别中的应用
文献摘要：
信号的特征提取是轴承故障诊断的关键所在,项目小组针对机械系统的非平稳、非线性特性,利用自适应时频分析方法——局部均值分解(Local Mean Decomposition,简称LMD)方法,同时提取信号LMD分解后的PF分量的能量、时域特征指标、近似熵作为混合特征向量,可以分别从信号的不同特征来描述轴承系统的故障信息.实验结果证明:故障识别采用FCM聚类算法,聚类效果好;将混合多特征量提取与FCM聚类算法应用于轴承故障模式识别中,可以有效进行轴承故障诊断.
文献关键词：
混合特征量;FCM聚类;轴承;故障诊断
中图分类号：
作者姓名：
戚建国;黄文静;李俊婷
作者机构：
医科达(北京)医疗器械有限公司,北京 100000;河北工业职业技术学院,河北 石家庄 050000
文献出处：
引用格式：
[1]戚建国;黄文静;李俊婷-.混合特征量提取与FCM聚类在轴承故障模式识别中的应用)[J].南方农机,2022(03):39-41
A类：
混合特征量
B类：
特征量提取,FCM,故障模式识别,信号的特征提取,轴承故障诊断,项目小组,机械系统,非平稳,非线性特性,时频分析方法,局部均值分解,Local,Mean,Decomposition,LMD,同时提取,取信,PF,时域特征,特征指标,近似熵,特征向量,轴承系统,故障信息,故障识别,聚类算法,多特征量,算法应用
AB值：
0.368154
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。
