基于lmd多尺度熵和概率神经网络的滚动轴承故障诊断方法 rolling bearing fault diagnosis method based on lmd multi-scale entropy and probabilistic neural network.pdfVIP

下载本文档

0
0
约2.13万字
约 5页
2017-11-02 发布于上海
举报
版权申诉

基于lmd多尺度熵和概率神经网络的滚动轴承故障诊断方法 rolling bearing fault diagnosis method based on lmd multi-scale entropy and probabilistic neural network.pdf

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

基于lmd多尺度熵和概率神经网络的滚动轴承故障诊断方法 rolling bearing fault diagnosis method based on lmd multi-scale entropy and probabilistic neural network

基于LMD多尺度熵和概率神经网络的滚动轴承故障诊断方法——孟宗胡猛谷伟明等基于LMD多尺度熵和概率神经网络的滚动轴承故障诊断方法孟宗1’2 胡猛1 谷伟明1 赵东方1 1．燕山大学河北省测试计量技术及仪器重点实验室，秦皇岛，066004 2．国家冷轧板带装备及工艺工程技术研究中心，秦皇岛，066004 摘要：研究了一种基于LMD多尺度熵和概率神经网络的滚动轴承故障诊断方法。该方法将故障信号自适应地分解为若干乘积函数分量，然后将各分量的多尺度熵作为故障特征向量输入概率神经网络进行模式识别，实现了对损伤位置和损伤程度的诊断。将该方法与基于LMD时域统计量和神经网络的滚动轴承故障诊断方法进行了对比。实验结果表明，基于LMD多尺度熵和概率神经网络的方法能对滚动轴承故障进行有效的识别与诊断。关键词：局部均值分解；故障特征提取；多尺度熵；概率神经网络；故障诊断 ’中图分类号：TN911．7；TP206．3 Fault MethodBasedonLMDMulti—scale RollingBearingDiagnosis Network andProbabilisticNeural Entropy Hu Gu Zhao MengZon91·2 Men91 Weimin91Dongfan91 MeasurementandInstrumentationofHebei of Province， 1．KeyLaboratory Technology Yanshan University，Qinhuangdao，Hebei，066004 2．National ResearchCenterfor and Engineering Equipment ofCold TechnologyRollingStrip，Qinhuangdao，Hebei，066004 fault methodwasstudiedbasedonLMDmulti—scale Abstract：A entropy rollingbearingdiagnosis and neuralnetwork．Inthismethod，thefault was intoseveral probabilistic signaldecomposed prod— uctfunctions thenthemulti—scale ofeach werefeedintothe adaptively．and entropies component neuralnetworkasfaultfeaturevectorsfor tOrealizethe of probabilistic patternrecognition diagnosis and withthemethodbasedonLMDtime—d