融合CEEMD_MPE和GK模糊聚类的故障识别方法

• 作者: 孙泽金 赵荣珍
• 来源期刊: 振动工程学报
• 学科: 工学
• 关键词: 故障诊断 互补集合经验模态分解 多尺度排列熵 GK模糊聚类
• 年，卷（期）: 2020,（3）
• 页码范围: 629-635
• 页数: 7页
• 分类号: TH165+.3|TH133.33+1
• 字数: 4158字
• 语种: 中文
• DOI: 10.16385/j.cnki.issn.1004-4523.2020.03.023

摘要

针对转子故障信号非线性、非平稳性的特点,提出了一种基于互补集合经验模态分解、多尺度排列熵和GK聚类的故障特征提取和识别方法.首先采用互补集合经验模态分解对故障信号进行分解,依据相关系数原则,选取相关系数最大的模态分量作为分析对象;然后利用多尺度排列熵量化模态分量的故障特征作为特征向量;最后,将经过PCA(Principal Component Analysis)降维后的低维特征集输入到GK模糊聚类算法中进行故障识别分类.将所提方法应用于典型转子实验台的故障特征集,通过分类系数与划分熵对分类效果进行检验,并与其他模式组合方法进行比较.结果 表明,本文所提方法能够更有效提取故障特征.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵荣珍	兰州理工大学机电工程学院	117	796	16.0	23.0
2	孙泽金	兰州理工大学机电工程学院	3	0	0.0	0.0