基于CMFAE和IALMMo-0的轴承故障诊断新方法研究
刘东曜
山西工程技术学院,山西 阳泉 045000
摘要：为了减少外界干扰,提高轴承故障诊断精度,文章提出一种复合多尺度分数阶注意熵(Composite Multiscale Fractional-order Attention Entropy,CMFAE)和改进零阶自主学习多模型(Improve Autonomous Learning Multi-model0-Order,IALMMo-0)分类器的轴承故障诊断新方法.首先,针对注意熵的缺陷,文章提出复合多尺度分数阶注意熵(CMFAE);并采用CMFAE对原始振动信号进行全面的特征提取;其次,为了避免样本中冗余信息较多从而影响故障诊断的正确率,采用线性判别分析法(Linear Discriminant Analysis,LDA)对得到的特征向量进行降维操作;最后,针对零阶自主学习多模型(Autonomous Learning Multi-model 0-Order,ALMMo-0)分类器的缺陷,文章提出采用信息熵权法对马氏距离进行加权,然后采用Pearson相关系数对加权后马氏距离进行改进,形成改进加权马氏距离(Improved Weighted Mahalanobis Distance,IWMD);并采用 IWMD 对其分类器进行改进,形成IALMMo-0 分类器;同时,利用特征向量训练IALMMo-0 分类器,并测试其性能.为了测试文章所提新方法的准确性以及有效性,利用轴承数据进行试验分析后发现其故障识别准确率平均高达95.601％.
关键词：轴承复合多尺度分数阶注意熵线性判别分析法零阶自主学习多模型分类器
分类号：TH133.33(机械零件及传动装置)
论文发表日期：2025-03-20
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：7( 16-22 )
英文信息