登录    注册    忘记密码

期刊文章详细信息

基于符号熵与支持向量机的滚动轴承故障诊断  ( EI收录)  

Symbol Entropy and SVM Based Rolling Bearing Fault Diagnosis

  

文献类型:期刊文章

作  者:陈晓平[1] 和卫星[1] 马东玲[2] 赵德安[1]

机构地区:[1]江苏大学,镇江212013 [2]炎黄职业技术学院,淮安223400

出  处:《中国机械工程》

基  金:江苏省科技成果转化项目(BA2009001)

年  份:2010

卷  号:21

期  号:17

起止页码:2079-2082

语  种:中文

收录情况:AJ、BDHX、BDHX2008、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2011_2012、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘  要:为诊断滚动轴承状态,对采集到的石油钻井设备滚动轴承正常、内圈裂缝、滚子裂缝和外圈裂缝四种工况下的振动信号进行均值二值化处理后,利用符号熵进行特征提取,对提取到的特征向量再利用支持向量机进行故障类型的模式识别。从实验处理结果可以看到,任何一种振动信号中的确定性信号对应的符号编码呈现大概率值,而随机噪声对应的符号编码则呈现小概率值,因此经过符号熵处理可以减小振动信号中的随机噪声影响。利用符号熵能捕获信号中大尺度特征的特点,再结合支持向量机能识别小样本的模式识别功能,就能有效地进行滚动轴承故障分类,以实现滚动轴承的故障诊断与预报。

关 键 词:符号熵  支持向量机 故障诊断 滚动轴承

分 类 号:TH133.3]

参考文献:

正在载入数据...

二级参考文献:

正在载入数据...

耦合文献:

正在载入数据...

引证文献:

正在载入数据...

二级引证文献:

正在载入数据...

同被引文献:

正在载入数据...

版权所有©重庆科技学院 重庆维普资讯有限公司 渝B2-20050021-7
 渝公网安备 50019002500408号 违法和不良信息举报中心