基于SVD-LMD模糊熵与PNN的滚动轴承故障诊断

• 作者: 刘乐 孙虎儿 谢志谦
• 来源期刊: 机械传动
• 关键词: 奇异值分解 局部均值分解 模糊熵 概率神经网络 轴承故障诊断
• 年，卷（期）: 2017,（3）
• 所属期刊栏目: 开发应用
• 页码范围: 172-176,181
• 页数: 6页
• 语种: 中文
• DOI: 10.16578/j.issn.1004.2539.2017.03.034

摘要

为了提高轴承故障特征信息提取的有效性,实现轴承故障模式智能识别,提高故障诊断效率.提出一种基于SVD-LMD模糊熵相结合的特征量化和PNN网络识别相结合的滚动轴承故障诊断方法.首先运用SVD降噪技术对原始信号降噪,运用LMD分解将降噪后的非稳定信号分解成若干个稳定的乘积函数分量(PF).其次利用模糊熵能表征时间序列复杂程度并具有稳定的统计性,提取PF分量的模糊熵,组成N维特征向量,实现故障特征量化.构建PNN网络模型,将特征向量输入PNN训练,实现故障类型识别.最后对比PNN算法与BP算法性能,验证PNN算法的优越性.实验数据分析结果表明,所提方法在少量数据样本情况下故障诊断准确率高达93.75％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙虎儿		31	122	5.0	10.0
2	谢志谦		2	16	1.0	2.0
3	刘乐		2	16	1.0	2.0