| 基于图像奇异值分解的滚动轴承故障模式识别 |
| |
| 引用本文： | 秦海勤,徐可君,隋育松,孟照国. 基于图像奇异值分解的滚动轴承故障模式识别[J]. 轴承, 2010, 0(6) |
| |
| 作者姓名： | 秦海勤 徐可君 隋育松 孟照国 |
| |
| 作者单位： | 1. 海军航空工程学院,航空机械系,山东,青岛,266041
2. 青岛科技大学,山东,青岛,266042 |
| |
| 摘 要： | 基于滚动轴承振动信号的三维和二维谱图中包含丰富故障信息和图像矩阵奇异值能够反映图像本质的客观事实,对滚动轴承振动信号二维灰度图矩阵进行了奇异值分解。应用奇异值欧氏距离作为两幅图像相似程度的度量尺度从而实现轴承的故障诊断。对实测轴承故障数据的分析表明:该方法具有较高的故障模式分类精度,但随着故障尺寸的增加,由于轴承各部件之间的影响,其诊断正确率会有所降低。与基于图像纹理特征的灰关联识别结果对比表明,该方法总体识别效果更好。
|
| 关 键 词： | 滚动轴承 模式识别 图像矩阵 奇异值分解 |
Pattern Recognition of Rolling Bearing Fault States Based on Image Matrix Singular Value |
| |
| QIN Hai-qin,XU Ke-jun,SUI Yu-song,MENG Zhao-guo. Pattern Recognition of Rolling Bearing Fault States Based on Image Matrix Singular Value[J]. Bearing, 2010, 0(6) |
| |
| Authors: | QIN Hai-qin XU Ke-jun SUI Yu-song MENG Zhao-guo |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
