基于EEMD样本熵和GK模糊聚类的机械故障识别

• 作者: 孙国秀 张淑清 李亮 王书涛
• 来源期刊: 中国机械工程
• 学科: 工学
• 关键词: 总体平均经验模式分解(EEMD) 样本熵 GK模糊聚类 机械故障识别
• 年，卷（期）: 2013,（22）
• 所属期刊栏目: 信息技术
• 页码范围: 3036-3040,3044
• 页数: 6页
• 分类号: TH17
• 字数: 3723字
• 语种: 中文
• DOI: 10.3969/j.issn.1004-132X.2013.22.011

摘要

针对目前各种机械故障诊断方法的局限性,提出了基于总体平均经验模式分解(EEMD)样本熵和GK模糊聚类的故障特征提取和分类方法,建立了一种机械故障准确识别的有效途径.首先,对机械振动信号进行EEMD分解,得到若干不同时间尺度的固有模态函数(IMF)分量.其次,通过相关性分析和能量相结合的准则对IMF分量进行筛选,并将筛选出的IMF分量的样本熵组成故障特征向量.最后,将构造的特征向量输入到GK模糊聚类分类器中进行聚类识别.实验及工程实例证明了该方法的有效性和优越性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张淑清	燕山大学河北省测试计量技术及仪器重点实验室	81	1525	21.0	36.0
2	王书涛	燕山大学河北省测试计量技术及仪器重点实验室	57	316	10.0	16.0
3	李亮	燕山大学河北省测试计量技术及仪器重点实验室	17	424	9.0	17.0
4	孙国秀	燕山大学河北省测试计量技术及仪器重点实验室	2	175	2.0	2.0