基于LMD近似熵和FCM聚类的机械故障诊断研究

• 作者: 孙国秀 张淑清 李亮 李新新 监雄
• 来源期刊: 仪器仪表学报
• 学科: 工学
• 关键词: 局部均值分解 模糊C均值聚类 近似熵 故障诊断
• 年，卷（期）: 2013,（3）
• 页码范围: 714-720
• 页数: 7页
• 分类号: TH17
• 字数: 5192字
• 语种: 中文

摘要

提出一种基于局部均值分解(local mean decomposition,LMD)近似熵和模糊C均值聚类(fuzzy C-means clustering,FCM)相结合的机械故障诊断方法.首先对机械振动信号进行LMD分解,得到若干具有物理意义的乘积函数(product function,PF)分量,再通过相关性分析,筛选出与原始信号相关性最大的3个分量作为数据源,求取其近似熵作为特征向量,最后通过FCM模糊聚类对特征向量进行识别分类.实验表明,基于LMD近似熵和FCM模糊聚类相结合的方法对机械故障信号能够有效准确地进行识别分类,此外,将该方法与基于EMD近似熵和FCM结合的方法进行对比,结果表明该方法具有更好的故障识别效果.

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	燕山大学电气工程学院河北省测试计量技术及仪器重点实验室	81	1525	21.0	36.0
2	李亮	燕山大学电气工程学院河北省测试计量技术及仪器重点实验室	17	424	9.0	17.0
3	监雄	燕山大学电气工程学院河北省测试计量技术及仪器重点实验室	3	138	2.0	3.0
4	李新新	燕山大学电气工程学院河北省测试计量技术及仪器重点实验室	3	170	3.0	3.0
5	孙国秀	燕山大学电气工程学院河北省测试计量技术及仪器重点实验室	2	175	2.0	2.0