科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对滚动轴承振动信号难以提取的问题，为实现故障特征准确分类目的。通过多尺度极差熵（MRE）和EigenClas融合，提出了一种MRE-EigenClass分类方法来诊断轴承故障模式。首先，MRE从不同状态下轴承的振动信号提取20个尺度的特征向量，最后将提取到的特征向量输入到EigenClass分类器，得到分类结果。实验证明，提出的MRE与EigenClass算法能有效提取滚动轴承振动信号的特征，并且实现高精度分类。与其他故障识别的分类器相比，本方法具有更高的故障识别准确率，识别精度达到98.86%。
- 单位
