-
题名基于双维度EKNN的滚动轴承早期故障分类算法
被引量：3
- 1
-
-
作者
彭成
贺婧
唐朝晖
陈青
桂卫华
-
机构
湖南工业大学计算机学院
中南大学自动化学院
-
出处
《计算机集成制造系统》
EI
CSCD
北大核心
2021年第1期90-101,共12页
-
基金
国家自然科学基金面上资助项目(61871432,61771492)
湖南省自然科学基金资助项目(2020JJ4275,2019JJ6008,2019JJ60054)
+1 种基金
湖南省教育厅重点资助项目(17A052)
2019湖南省研究生创新资助项目(CX20190847)。
-
文摘
为提高对滚动轴承早期故障识别的精确度,提出一种基于混合特征提取的故障分类模型。该模型利用类内紧致性和类间重叠性识别出次优特征组,作为增强K近邻分类器(EKNN)的输入,并以距离和密度双维度计算,得到最大平均分类精确度,进而输出最优早期故障特征组,对未知数据进行分类来检测故障。实验采集滚动轴承在低速运行下的早期故障声发射(AE)信号,对所提算法以及现有5种算法进行对比分析,验证了其对滚动轴承早期故障诊断具有更好的表现。
-
关键词
声发射信号
增强k近邻分类器
滚动轴承
早期故障分类
故障诊断
-
Keywords
acoustic emission signal
enhanced k-nearest neighbor classifier
rolling bearing
early fault classification
fault diagnosis
-
分类号
TP306.3
[自动化与计算机技术—计算机系统结构]
TP274.2
[自动化与计算机技术—检测技术与自动化装置]
-
