基于CELCD和MFVPMCD的智能故障诊断方法研究

作     者：潘海洋 郑近德 杨宇 童宝宏 PAN Hai-yang;ZHENG Jin-de;YANG Yu;TONG Bao-hong

作者机构：安徽工业大学机械工程学院安徽马鞍山243032 湖南大学汽车车身先进设计制造国家重点实验室湖南长沙410082 

基　　金：国家自然科学基金(No.51505002 No.51175158) 安徽高校自然科学研究项目资助(No.2015A080) 

出 版 物：《电子学报》 (Acta Electronica Sinica)

年 卷 期：2017年第45卷第3期

页      码：546-551页

摘      要：针对旋转机械故障诊断方法中信号处理和模式识别的不足,即端点效应和判别片面性问题,提出一种基于互相关匹配延拓局部特征尺度分解(Cross-correlation matching endpoint Extension Local Characteristic scale Decomposition,CELCD)和改进多变量预测模型(Variable Predictive Model based Class Discriminate,VPMCD)的智能故障诊断方法,首先探索待分解信号前后端的数据规律,选取匹配波形完成端点延拓,然后利用局部特征尺度分解(Local Characteristic scale Decomposition,LCD)得到各去除端点效应的内禀尺度分量(Intrinsic Scale Component,ISC),最后输入到基于多模型融合的多变量预测模型(Multi-model Fusion-Variable Predictive Model based Class Discriminate,MFVPMCD)分类器中进行概率状态判定.实验分析结果表明,所提方法能有效地对滚动轴承的工作状态进行识别.

主 题 词：互相关匹配延拓 局部特征尺度分解 多模型融合 多变量预测模型 故障诊断 

学科分类：0808[工学-自动化类] 0809[工学-计算机类] 08[工学] 080203[080203] 0802[工学-机械学] 

核心收录：

D　O　I：10.3969/j.issn.0372-2112.2017.03.006

馆 藏 号：203218774...