科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对轴承时域参数中正常数据与故障数据区分困难的问题,将用于提取图像局部纹理特征的局部二值模式(LBP)算法引入到轴承的故障诊断中来,表征中心幅值在应属窗口中的重要性,通过样本熵求取其中新模态出现的概率,提出LBP样本熵的概念,将提取出的样本熵与其他人工提取的特征元素组成特征向量,利用XGBoost算法判断轴承的运行状态。将LBP样本熵与人工参数进行对比,结果表明,LBP样本熵能够轻易地区分正常状态和故障状态,与XGBoost算法相结合对轴承的故障进行识别,相比传统的人工提取特征在轴承时域故障识别中起到了一定的积极作用,与其他故障诊断模型相对比说明LBP样本熵与XGBoost算法的结合具有一定的优越性。
-
单位电气学院; 上海电机学院
