E EMD 排列熵与PCA-G K的滚动轴承聚类故障诊断

• 作者: 方彦军 许凡 赵山 黄友朋
• 来源期刊: 河南科技大学学报（自然科学版）
• 学科: 工学
• 关键词: 滚动轴承 故障诊断 总体经验模式分解 排列熵 GK聚类算法
• 年，卷（期）: 2017,（2）
• 所属期刊栏目: 机械与仪表
• 页码范围: 17-24,30
• 页数: 9页
• 分类号: TH133.33|TP206+.3
• 字数: 5166字
• 语种: 中文
• DOI: 10.15926/j.cnki.issn1672-6871.2017.02.004

摘要

针对滚动轴承故障诊断中，用振动信号的总体经验模式分解（EEMD）方法分解后的熵特征向量维数高，且样本熵（SE）计算效率差等问题，提出了一种基于 EEMD排列熵（PE）的主成分分析（PCA）-GK滚动轴承聚类故障诊断组合方法。首先，使用 EEMD方法将信号分解为若干个固有模态函数（IMFs），使用 PE／SE 计算其IMFs熵值；然后，使用PCA对熵特征向量进行可视化降维，并作为模糊C 均值（FCM）与GK聚类算法的输入，实现对滚动轴承的故障诊断。利用分类系数和平均模糊熵，对聚类结果进行了评价与对比，实验结果表明：本文模型（EEMD-PE-PCA-GK）的聚类效果比其他3种模型（EEMD-SE-PCA-FCM、EEMD-SE-PCA-GK 和 EEMD-PE-PCA-FCM）更好，且 PE 比 SE 的计算效率更快。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	方彦军	武汉大学自动化系	228	1619	20.0	26.0
2	许凡	武汉大学自动化系	6	49	4.0	6.0
3	黄友朋	广东电网有限责任公司电力科学研究院	16	50	5.0	6.0
4	赵山	广东电网有限责任公司电力科学研究院	15	91	6.0	9.0