基于EEMD能量矩与邻域粗糙集的转子故障数据集分类方法

• 作者: 孙泽金 赵荣珍
• 来源期刊: 计算机应用研究
• 关键词: 集合经验模态分解 本征模态函数 能量矩 决策表 邻域粗糙集 属性约简 决策树C4.5算法
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 460-464
• 页数: 5页
• 分类号: TP391
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2018.07.0532

摘要

针对旋转机械故障辨识准确率偏低的问题,将经验模态分解(ensemble empirical mode decomposition,EEMD)与能量矩、邻域粗糙集(neighborhood rough set,NRS)结合,提出一种转子系统故障模式辨识的方法.首先利用EEMD将采集到的振动故障信号自适应分解成若干个平稳的本征模态函数(intrinsic mode function,IMF)分量并计算其能量矩;以此能量矩作为描述故障状态的条件属性建立故障识别决策表;然后利用邻域粗糙集对决策表进行属性约简消除冗余的属性;最后将约简后的敏感特征子集输入所设计的决策树(decision tree,DT)C4.5算法中进行模式识别.通过典型转子实验台的故障特征集验证了该方法的有效性.

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