基于多指標(biāo)融合的故障特征選擇及分類(lèi)方法研究
基本信息
| 申請(qǐng)?zhí)?/td> | CN202210379191.1 | 申請(qǐng)日 | - |
| 公開(kāi)（公告）號(hào) | CN114692695A | 公開(kāi)（公告）日 | 2022-07-01 |
| 申請(qǐng)公布號(hào) | CN114692695A | 申請(qǐng)公布日 | 2022-07-01 |
| 分類(lèi)號(hào) | G06K9/00（2022.01）I;G06K9/62（2022.01）I;G01M13/045（2019.01）I | 分類(lèi) | 計(jì)算；推算；計(jì)數(shù); |
| 發(fā)明人 | 彭成;歐陽(yáng)裕堯;唐朝暉;袁鑫攀;鄧曉軍 | 申請(qǐng)（專利權(quán)）人 | 湖南工業(yè)大學(xué) |
| 代理機(jī)構(gòu) | 廣州市紅荔專利代理有限公司 | 代理人 | - |
| 地址 | 412007湖南省株洲市天元區(qū)泰山西路88號(hào) | ||
| 法律狀態(tài) | - | ||
摘要
| 摘要 | 基于多指標(biāo)融合的故障特征選擇及分類(lèi)方法研究，首先將原始信號(hào)通過(guò)改進(jìn)CELMD方法分解為多個(gè)PF分量和單個(gè)殘余分量；然后融合峭度、相關(guān)系數(shù)和K?L散度三個(gè)指標(biāo)提取最適合的PF分量進(jìn)行信號(hào)重構(gòu)；最后提取重構(gòu)信號(hào)的多域特征和熵值特征，輸入LightGBM分類(lèi)器進(jìn)行分類(lèi)，實(shí)現(xiàn)滾動(dòng)軸承故障的智能分類(lèi)。本發(fā)明改善了端點(diǎn)效應(yīng)，緩解了模態(tài)混疊的現(xiàn)象，有效減少了虛假分量對(duì)故障診斷的影響，進(jìn)一步提高了故障診斷的分類(lèi)準(zhǔn)確度，并最終有效對(duì)不同故障類(lèi)型進(jìn)行分類(lèi)。 |
