10.3969/j.issn.1009-0134.2022.05.049
基于RCMDE与概率神经网络的滚动轴承故障诊断
当滚动轴承出现微弱故障而当前工况又比较复杂的情况下,传统的特征参数难以实现提取故障特征的目标,为此本文想借助基于精细复合多尺度散布熵(RCMDE)与概率神经网络(PNN)这种方法来诊断轴承故障.首先,对轴承不同状态振动信号进行RCMDE分析,提取每种状态各20个尺度的RCMDE值构建故障特征向量,将其可视化;其次,将特征向量集输入到PNN分类器中进行轴承的不同状态模式识别与分类;最后进行验证和多种方法的结果比对,验证操作借助了凯斯西储大学的滚动轴承数据集,而结果比对的对象则是基于MDE-PNN的故障诊断方法.实验结果表明,基于RCMDE-PNN的方法能够对滚动轴承故障进行有效识别与诊断,分类精度优于MDE-PNN方法,准确率达到97.65%.
滚动轴承、精细复合多尺度散布熵、特征提取、概率神经网络、故障诊断
44
TH133.3
山西省重点研发计划;山西省自然科学基金
2022-05-27（万方平台首次上网日期，不代表论文的发表时间）
共3页
218-220
