振动工程学报
振動工程學報
진동공정학보
JOURNAL OF VIBRATION ENGINEERING
2013年
5期
751-757
,共7页
程军圣%罗颂荣%杨斌%杨宇
程軍聖%囉頌榮%楊斌%楊宇
정군골%라송영%양빈%양우
故障诊断%局部均值分解%变量预测模型模式识别%能量矩%机器学习
故障診斷%跼部均值分解%變量預測模型模式識彆%能量矩%機器學習
고장진단%국부균치분해%변량예측모형모식식별%능량구%궤기학습
fault diagnosis%local mean decomposition%variable predictive model based class discriminate%energy moment%machine learning
变量预测模型的模式识别方法(Variable predictive model based class discriminate,VPMCD)是一种利用特征值相互内在关系进行模式识别的新方法.论文提出了基于局部均值分解LMD(Local mean decomposition,LMD)能量矩概念,并针对轴承故障振动信号特征值的相互内在联系,将LMD能量矩与变量预测模型模式识别相结合,提出了一种轴承故障智能诊断新方法.首先利用LMD方法将复杂非平稳的原始信号分解为若干PF (Product function,PF)分量;然后利用相关分析剔除LMD方法中的虚假PF分量,并提取真实PF分量能量矩组成特征向量来有效地表达故障信息;最后采用VPMCD方法进行轴承故障诊断.通过仿真信号验证了PF能量矩比PF能量更能反映非平稳信号本质特征.轴承故障诊断实验结果表明,论文提出的方法能有效地应用于小样本多分类轴承故障智能诊断.
變量預測模型的模式識彆方法(Variable predictive model based class discriminate,VPMCD)是一種利用特徵值相互內在關繫進行模式識彆的新方法.論文提齣瞭基于跼部均值分解LMD(Local mean decomposition,LMD)能量矩概唸,併針對軸承故障振動信號特徵值的相互內在聯繫,將LMD能量矩與變量預測模型模式識彆相結閤,提齣瞭一種軸承故障智能診斷新方法.首先利用LMD方法將複雜非平穩的原始信號分解為若榦PF (Product function,PF)分量;然後利用相關分析剔除LMD方法中的虛假PF分量,併提取真實PF分量能量矩組成特徵嚮量來有效地錶達故障信息;最後採用VPMCD方法進行軸承故障診斷.通過倣真信號驗證瞭PF能量矩比PF能量更能反映非平穩信號本質特徵.軸承故障診斷實驗結果錶明,論文提齣的方法能有效地應用于小樣本多分類軸承故障智能診斷.
변량예측모형적모식식별방법(Variable predictive model based class discriminate,VPMCD)시일충이용특정치상호내재관계진행모식식별적신방법.논문제출료기우국부균치분해LMD(Local mean decomposition,LMD)능량구개념,병침대축승고장진동신호특정치적상호내재련계,장LMD능량구여변량예측모형모식식별상결합,제출료일충축승고장지능진단신방법.수선이용LMD방법장복잡비평은적원시신호분해위약간PF (Product function,PF)분량;연후이용상관분석척제LMD방법중적허가PF분량,병제취진실PF분량능량구조성특정향량래유효지표체고장신식;최후채용VPMCD방법진행축승고장진단.통과방진신호험증료PF능량구비PF능량경능반영비평은신호본질특정.축승고장진단실험결과표명,논문제출적방법능유효지응용우소양본다분류축승고장지능진단.
