|
|||||
|
|
| 基于SVD-LMD模糊熵与PNN的滚动轴承故障诊断 | |
| 作者单位： | ;1.中北大学机械与动力工程学院 |
| 摘 要： | 为了提高轴承故障特征信息提取的有效性,实现轴承故障模式智能识别,提高故障诊断效率。提出一种基于SVD-LMD模糊熵相结合的特征量化和PNN网络识别相结合的滚动轴承故障诊断方法。首先运用SVD降噪技术对原始信号降噪,运用LMD分解将降噪后的非稳定信号分解成若干个稳定的乘积函数分量(PF)。其次利用模糊熵能表征时间序列复杂程度并具有稳定的统计性,提取PF分量的模糊熵,组成N维特征向量,实现故障特征量化。构建PNN网络模型,将特征向量输入PNN训练,实现故障类型识别。最后对比PNN算法与BP算法性能,验证PNN算法的优越性。实验数据分析结果表明,所提方法在少量数据样本情况下故障诊断准确率高达93.75%。 |
| 关 键 词： | 奇异值分解 局部均值分解 模糊熵 概率神经网络 轴承故障诊断 |
Fault Diagnosis of Bearing based on SVD-LMD Fuzzy Entropy and PNN |
|
| Abstract: | |
| Keywords: | |
| 本文献已被 CNKI 等数据库收录！ | |