- 1、本文档共9页,可阅读全部内容。
- 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
SE-KSD优化的FRFT-VMD轴承故障诊断方法
摘要:提出了一种基于样本熵(SE)和峭度均方差(KSD)优化的分数阶变分模态分解(FRFT-VMD)的
故障特征提取方法,同时结合随机森林(RF)分类器对故障进行自动识别分类。针对分数阶傅里叶
变换中阶次选择对于数据可分性影响较大的问题,提出利用搜寻样本熵最小值来得到分数阶最优
阶次,使得数据中重叠交叉部分在分数域内能更好分离。同时利用峭度均方差准则寻找变分模态
分解最优参数使变分模态分解效果更好。通过数据库和实测数据的研究结果表明,该方法提取的
信号包含更多和更明显的故障特征频率,大幅度提高了滚动轴承不同状态的故障诊断准确率。
关键词:分数阶Fourier变换;变分模态分解;特征提取;故障诊断
SE-KSDOptimizedFRFT-VMDBearingFaultDiagnosisMethod
Abstract:Afaultfeatureextractionmethodbasedonsampleentropy(SE)andkurtosisstandarddeviation(KSD)optimizationof
fractionalvariationalmodaldecomposition(FRFT-VMD)isproposed,andarandomforest(RF)classifieriscombinedtoperform
faultdetection.Automaticrecognitionofclassification.AimingattheproblemthatthechoiceoforderinthefractionalFourier
transformhasagreaterimpactontheseparabilityofdata,itisproposedtosearchfortheminimumentropyofthesampletoobtain
theoptimalorderofthefractionalorder.Makestheoverlappedpartofthedatabetterseparatedinthescoredomain.Atthesame
time,thekurtosisstandarddeviationcriterionisusedtofindtheoptimalparametersofthevariationalmodaldecompositiontomake
theeffectofthevariationalmodaldecompositionbetter.Theresearchresultsbasedondatabasedataandmeasureddatashowthat
thesignalsextractedbythismethodcontainmoreandmoreobviousfaultcharacteristicfrequencies,whichgreatlyimprovesthe
faultdiagnosisaccuracyofrollingbearingsindifferentstate
从事办公室文字工作,提供论文格式排版 、专业学术论文参考资料、文章写作、论文答辩PPT模板、会议筹备指导等服务,经验丰富,已从事七年。互相信任,保证质量,全程包修改,负责到通过。 微X号:lhg511823
文档评论(0)