典型文献
基于多尺度局部二值模式的滚动轴承故障诊断
文献摘要：
针对滚动轴承早期故障特征较为微弱,容易被淹没在背景噪声中,仅从振动信号单一尺度提取出的特征很难准确表示轴承状态的问题,提出一种基于多尺度局部二值模式的滚动轴承特征提取方法.首先,通过变分模态分解(variational mode decomposition,VMD),得到振动信号在不同尺度下的本征模态分量(intrinsic mode function,IMF);其次,将每个IMF转换成灰度图像的形式,使用局部二值模式(local binary pattern,LBP)提取振动信号在不同尺度的局部纹理特征;最后,将提取出的特征输入反向传播神经网络(back propagation neural network,BPNN)进行分类.通过实测振动信号进行试验,结果表明提出的方法能够很好地提取不同故障状态的轴承特征,且诊断准确率较高.
文献关键词：
故障诊断;滚动轴承;变分模态分解;局部二值模式;特征提取
中图分类号：
作者姓名：
王明罡;周坪;蔡志雄;尹旭晔;李颖杰
作者机构：
浙江中自庆安新能源技术有限公司,杭州 310000;中国矿业大学机电工程学院,徐州221116;国家电投集团湖北新能源有限公司,武汉 430074
文献出处：
引用格式：
[1]王明罡;周坪;蔡志雄;尹旭晔;李颖杰-.基于多尺度局部二值模式的滚动轴承故障诊断)[J].组合机床与自动化加工技术,2022(12):44-47
A类：
B类：
局部二值模式,滚动轴承故障诊断,早期故障,故障特征,微弱,被淹,淹没,背景噪声,振动信号,一尺,变分模态分解,variational,mode,decomposition,VMD,不同尺度,本征模态分量,intrinsic,function,IMF,转换成,灰度图像,local,binary,pattern,LBP,纹理特征,反向传播神经网络,back,propagation,neural,network,BPNN,故障状态,诊断准确率
AB值：
0.36476
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。
