基于CELCD和MFVPMCD的智能故障诊断方法研究

• 作者: 杨宇 潘海洋 童宝宏 郑近德
• 来源期刊: 电子学报
• 学科: 工学
• 关键词: 互相关匹配延拓 局部特征尺度分解 多模型融合 多变量预测模型 故障诊断
• 年，卷（期）: 2017,（3）
• 所属期刊栏目: 学术论文
• 页码范围: 546-551
• 页数: 6页
• 分类号: TH113
• 字数: 4314字
• 语种: 中文
• DOI: 10.3969/j.issn.0372-2112.2017.03.006

摘要

针对旋转机械故障诊断方法中信号处理和模式识别的不足,即端点效应和判别片面性问题,提出一种基于互相关匹配延拓局部特征尺度分解(Cross-correlation matching endpoint Extension Local Characteristic scale Decomposition,CELCD)和改进多变量预测模型(Variable Predictive Model based Class Discriminate,VPMCD)的智能故障诊断方法,首先探索待分解信号前后端的数据规律,选取匹配波形完成端点延拓,然后利用局部特征尺度分解(Local Characteristic scale Decomposition,LCD)得到各去除端点效应的内禀尺度分量(Intrinsic Scale Component,ISC),最后输入到基于多模型融合的多变量预测模型(Multi-model Fusion-Variable Predictive Model based Class Discriminate,MFVPMCD)分类器中进行概率状态判定.实验分析结果表明,所提方法能有效地对滚动轴承的工作状态进行识别.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨宇	湖南大学汽车车身先进设计制造国家重点实验室	170	5200	44.0	68.0
2	郑近德	安徽工业大学机械工程学院	46	279	12.0	14.0
3	潘海洋	安徽工业大学机械工程学院	32	221	11.0	13.0
4	童宝宏	安徽工业大学机械工程学院	39	143	8.0	10.0