Indexed by：
Abstract：
一种基于GRCMSE和流形学习的滚动轴承故障诊断方法，包括以下步骤：利用加速度传感器采集滚动轴承的振动加速度信号(步骤S1)； 使用GRCMSE算法对振动加速度信号进行特征提取(步骤S2)； 采用DDMA流形学习方法对滚动轴承故障特征信息进行降维，将降维后的滚动轴承故障特征信息按比例划分为训练样本低维特征集和测试样本低维特征集(步骤S3)； 根据训练样本低维特征训练PSO-SVM分类器，以获得训练的PSO-SVM分类器(步骤S4)； 以及将测试样本低维特征集输入到训练好的PSO-SVM分类器中进行诊断，以获得故障类型(步骤S5)。 本发明克服了多尺度样本熵粗粒化的缺点，解决了高维故障特征中的信息冗余问题，能够有效地诊断滚动轴承的不同状态类型。
Keyword：
Reprint 's Address：
Email：
Patent Info ：
Type： 发明授权
Patent No.： ZA202102516
Filing Date： 2021-04-16
Publication Date： 2022-04-28
Pub. No.： ZA202102516A
公开国别： 南非
Applicants： Univ Fuzhou
Legal Status： 授权
Cited Count：
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count：
30 Days PV： 4
Affiliated Colleges：
