基于IMF熵的多传感器网络融合滚动轴承故障诊断方法研究?

• 作者: 任学平 庞震 王建国 辛向志 邢义通
• 来源期刊: 组合机床与自动化加工技术
• 学科: 工学
• 关键词: 多传感器 网络融合 滚动轴承
• 年，卷（期）: 2015,（6）
• 所属期刊栏目: 控制与检测
• 页码范围: 78-82
• 页数: 5页
• 分类号: TH16|TG506
• 字数: 4868字
• 语种: 中文
• DOI: 10.13462/j.cnki.mmtamt.2015.06.022

摘要

经验模态分解( Empirical Mode Decomposition ,EMD)方法可使滚动轴承振动信号根据自身尺度自适应的分解为若干个固有模态分量( Intrinsic Mode Function ,IMF),信息熵能反映系统的不确定程度,滚动轴承发生故障会导致信息熵发生变化,结合EMD与信息熵,提出了EMD空间状态特征谱熵和IMF奇异谱熵,将其作为概率神经网络的特征向量,构建多传感器系统的多个概率神经网络的初级诊断网络。由于概率神经网络累加层输出结果为属于每一种模式的概率值,用概率神经网络的累加层输出结果构建D-S证据理论的mass函数,通过D-S证据理论进行决策级融合诊断。将该方法用于滚动轴承故障模式分类,试验结果表明该方法的可行性与有效性。与单一传感器诊断相比,提高了故障诊断精度。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	任学平	内蒙古科技大学机械工程学院	132	377	9.0	11.0
2	王建国	内蒙古科技大学机械工程学院	112	350	8.0	11.0
3	庞震	内蒙古科技大学机械工程学院	12	60	6.0	7.0
4	邢义通	内蒙古科技大学机械工程学院	10	63	5.0	7.0
5	辛向志	内蒙古科技大学机械工程学院	11	51	5.0	6.0