| 基于特征提取与识别两阶段的汽车电机轴承故障诊断 |
| |
| 引用本文： | 李远军,孙继炫.基于特征提取与识别两阶段的汽车电机轴承故障诊断[J].电子测量与仪器学报,2019,33(2):56-63. |
| |
| 作者姓名： | 李远军 孙继炫 |
| |
| 作者单位： | 湖北交通职业技术学院汽车与航空学院 武汉430079;北京理工大学 自动化学院 北京100081 |
| |
| 基金项目： | 教育教学改革项目;北京市自然科学基金 |
| |
| 摘 要： | 针对特征提取和故障识别这两个轴承故障诊断的关键环节,提出一种汽车电机轴承故障诊断新方法。该方法在特征提取环节:提出了将LCD分解和符号熵(SE)相结合的特征提取方法;在故障识别环节为提高果蝇算法(FOA)对相关向量机(RVM)参数的寻优能力,在FOA算法中增加了向"历史"学习的策略,提出具有历史学习能力的果蝇算法(HSAFOA),有效地提升了RVM的分类性能。汽车电机轴承不同类型、不同程度故障诊断实例表明,LCD符号熵可有效对故障进行表征,而HSAFOA算法则提升了RVM的识别效果,相比于其他一些方法更有优势。
|
| 关 键 词： | LCD符号熵 历史学习 果蝇算法 相关向量机 轴承故障诊断 |
Car motor bearing fault diagnosis based on fault feature extraction and recognition stages |
| |
| Li Yuanjun,Sun Jixuan.Car motor bearing fault diagnosis based on fault feature extraction and recognition stages[J].Journal of Electronic Measurement and Instrument,2019,33(2):56-63. |
| |
| Authors: | Li Yuanjun Sun Jixuan |
| |
| Affiliation: | 1. Automobile and Aviation Institute, Hubei Communications Technical College; 2.School of Automation, Beijing Institute of Technology |
| |
| Abstract: | |
| |
| Keywords: | LCD symbol entropy history study fruit fly optimization algorithm relevance vector machine bearing fault diagnosis |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
| 点击此处可从《电子测量与仪器学报》浏览原始摘要信息 |
|
点击此处可从《电子测量与仪器学报》下载全文 |
