应用ITD分形模糊熵的自动机早期故障诊断
来源期刊:机械设计与制造2019年第1期
论文作者:赵雄鹏 潘宏侠 刘广璞 安邦
文章页码:134 - 137
关键词:自动机;固有时间尺度分解;分形维数;模糊熵;RBF神经网络;故障诊断;
摘 要:通过以某口径高射机枪自动机为研究对象,提出一种运用固有时间尺度分解(ITD)分形模糊熵与RBF神经网络进行故障诊断的方法。由于自动机振动信号短时、非平稳、高冲击的特性,将ITD引入自动机的故障诊断中,通过对ITD分解得到不同频段的合理旋转(proper rotation简称PR)分量,然后分别提取分形维数和模糊熵组成组合特征向量。由于RBF神经网络结构简单、收敛速度快具有很高的分类准确率,所以采用RBF神经网络分类识别。最后得到理想识别效果的同时验证了ITD分形模糊熵与RBF的自动机早期故障诊断方法的优越性。
赵雄鹏1,潘宏侠1,2,刘广璞1,安邦1
1. 中北大学机械与动力工程学院2. 中北大学系统辨识与诊断技术研究所
摘 要:通过以某口径高射机枪自动机为研究对象,提出一种运用固有时间尺度分解(ITD)分形模糊熵与RBF神经网络进行故障诊断的方法。由于自动机振动信号短时、非平稳、高冲击的特性,将ITD引入自动机的故障诊断中,通过对ITD分解得到不同频段的合理旋转(proper rotation简称PR)分量,然后分别提取分形维数和模糊熵组成组合特征向量。由于RBF神经网络结构简单、收敛速度快具有很高的分类准确率,所以采用RBF神经网络分类识别。最后得到理想识别效果的同时验证了ITD分形模糊熵与RBF的自动机早期故障诊断方法的优越性。
关键词:自动机;固有时间尺度分解;分形维数;模糊熵;RBF神经网络;故障诊断;