用户名 密 码 登 录 忘记密码 免费注册

网站会员中心 | 设为首页 | 加入收藏

 您好，欢迎光临中国轴承行业网         退出登陆

会员中心 | 设为首页 | 加入收藏

协会

统计

国外文献 > 1.轴承 > 2. 轴承类型与部件 > 滚动轴承

关键词搜索：

标 题： A Bearing Feature Extraction Method Based on Variational Mode Decomposition Feature Energy Entropy
基于变分模态分解特征能量熵的轴承特征提取方法
作 者： Xiang Li
Yunpeng Cao
Shuying Li
关键词： Rolling bearing  [滚动轴承]
VMD  [ VMD]
Energy entropy  [ 能量熵]
Feature extraction  [ 特征提取]
出版年： 2024
文集名： Proceedings of the TEPEN International Workshop on Fault Diagnostic and Prognostic, TEPEN2024-IWFDP - Volume 1
TEPEN国际故障诊断与预测研讨会论文集，TEPEN2024-IWFDP - 第1卷
会议名： 2024 TEPEN International Workshop on Fault Diagnostics and Prognostics (TEPEN-IWFDP 2024)
2024年TEPEN国际故障诊断与预测研讨会（TEPEN-IWFDP 2024）
届 次：
摘 要： The fault feature extraction is the critical role of rolling bearing fault diagnosis. This paper has proposed a bearing fault feature extraction method based on variational mode decomposition (VMD) feature energy entropy. The bearing fault signals was decomposed by using VMD, and some IMF components was obtained; Then the corresponding IMF components was selected according to the data or operation state for reconstruction; and the energy entropy value of the reconstructed signal was calculated to diagnose the fault of rolling bearing. The experiment results show that the proposed method can effectively identify rolling bearing fault types, and it can also accurately distinguish fault degrees.

故障特征提取是滚动轴承故障诊断的关键环节。本文提出了一种基于变分模态分解（VMD）特征能量熵的轴承故障特征提取方法。通过VMD对轴承故障信号进行分解，得到若干IMF分量； 然后根据数据或运行状态选择相应的国际货币基金组织（IMF）组件进行重建； 并计算了重构信号的能量熵值以诊断滚动轴承的故障。实验结果表明，所提出的方法能有效识别滚动轴承的故障类型，同时还能准确区分故障程度。
中文内容为网络AI翻译，专业术语未必准确，仅供参考。

VIP网员

联系我们 | 登录注册 | 会员管理 | 网员服务 | 服务信息 | 广告服务 | 高薪聘请 | 法律声明 | 关于我们

京公网安备 11010202009788    京ICP备2021015424号