科研之友
微信
新浪微博
Facebook
分享链接
摘要
当滚动轴承出现微弱故障而当前工况又比较复杂的情况下，传统的特征参数难以实现提取故障特征的目标，为此本文想借助基于精细复合多尺度散布熵(RCMDE)与概率神经网络(PNN)这种方法来诊断轴承故障。首先，对轴承不同状态振动信号进行RCMDE分析，提取每种状态各20个尺度的RCMDE值构建故障特征向量，将其可视化；其次，将特征向量集输入到PNN分类器中进行轴承的不同状态模式识别与分类；最后进行验证和多种方法的结果比对，验证操作借助了凯斯西储大学的滚动轴承数据集，而结果比对的对象则是基于MDE-PNN的故障诊断方法。实验结果表明，基于RCMDE-PNN的方法能够对滚动轴承故障进行有效识别与诊断，分类精度优于MDE-PNN方法，准确率达到97.65%。
- 单位
