机械故障信号诊断及特征提取研究
当机械设备发生故障时,相应设备部件存在的随机性和模糊性导致故障采集信号的不确定性,从而降低了信号特征提取的准确性.为了解决这个问题,提出了一种将云模型特征熵(CMCE)设置为信号特征特征值的新方法,该方法可以克服传统熵复杂度在解决不确定性问题时参数选择的缺点.首先,从实验中收集的正常和损伤的部件状态的声发射信号通过经验模式进行分解;然后使用互信息方法选择可以反映信号特征的敏感内在模式函数,以重构信号并消除噪声干扰;随后,将CMCE设置为重构信号的特征值.最后,通过比较样本熵、均方根和CMCE之间的实验,实验结果表明CMCE可以更好地表示故障信号的特征信息.
机械故障诊断 信号采集 特征提取 云模型特征熵
赵迎珍
安航空职业技业学院航空维修工程学院 陕西西安,710089
国内会议
2017年西南三省一市(贵州、重庆、四川、云南)自动化与仪器仪表学术年会
重庆
中文
35-37
2017-10-01（万方平台首次上网日期，不代表论文的发表时间）