E EMD 排列熵与PCA-G K的滚动轴承聚类故障诊断
黄友朋1
赵山1
许凡2
方彦军2
1.广东电网有限责任公司 电力科学研究院,广东 广州,5100802.武汉大学 自动化系,湖北 武汉,430072
摘要：针对滚动轴承故障诊断中，用振动信号的总体经验模式分解（EEMD）方法分解后的熵特征向量维数高，且样本熵（SE）计算效率差等问题，提出了一种基于 EEMD排列熵（PE）的主成分分析（PCA）-GK滚动轴承聚类故障诊断组合方法。首先，使用 EEMD方法将信号分解为若干个固有模态函数（IMFs），使用 PE／SE 计算其IMFs熵值；然后，使用PCA对熵特征向量进行可视化降维，并作为模糊C 均值（FCM）与GK聚类算法的输入，实现对滚动轴承的故障诊断。利用分类系数和平均模糊熵，对聚类结果进行了评价与对比，实验结果表明：本文模型（EEMD-PE-PCA-GK）的聚类效果比其他3种模型（EEMD-SE-PCA-FCM、EEMD-SE-PCA-GK 和 EEMD-PE-PCA-FCM）更好，且 PE 比 SE 的计算效率更快。
关键词：滚动轴承故障诊断总体经验模式分解排列熵GK聚类算法
分类号：TH133.33(机械零件及传动装置)TP206+.3(自动化技术及设备)
资助基金：国家自然科学基金(61201168)
论文发表日期：2017-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：9( 17-24,30 )