文献

J-GLOBAL ID：201702257837497973   整理番号：17A0391389

多変量経験的モード分解(相互)に基づく相互近似エントロピーとGGクラスタリングに基づく軸受故障診断【JST・京大機械翻訳】

Bearing Fault Diagnosis Based on multi-EMD, cApEn and GG Clustering Algorithm

著者 (6件)： Zhang Shuqing (Measurement Technology and Instrumentation Key Lab of Hebei Province, Yanshan University) ,  Li Wei (Measurement Technology and Instrumentation Key Lab of Hebei Province, Yanshan University) ,  Zhang Liguo (Measurement Technology and Instrumentation Key Lab of Hebei Province, Yanshan University) ,  Hu Yongtao (Measurement Technology and Instrumentation Key Lab of Hebei Province, Yanshan University) ,  Qian Lei (Measurement Technology and Instrumentation Key Lab of Hebei Province, Yanshan University) ,  Jiang Wanlu (Measurement Technology and Instrumentation Key Lab of Hebei Province, Yanshan University)
資料名： Zhongguo Jixie Gongcheng  (Zhongguo Jixie Gongcheng)
巻： 27  号： 24  ページ： 3362-3367  発行年： 2016年 
JST資料番号： C2243A  ISSN： 1004-132X  CODEN： ZJGOE8  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 多変量経験的モード分解(MULTI-EMD),相互近似エントロピー,およびGGクラスタリングに基づく転がり軸受故障診断法を提案する。まず第一に,振動信号を多重経験的モード分解によって分解して,いくつかの内部モード関数(IMF)成分と一つの傾向項を得た。次に,IMF成分とオリジナル信号の間の相関を分析して,最初の7つの主要特性情報を含むIMF成分を選択して,次に,IMF成分の固有値を特徴ベクトルとして選択した。最後に,特徴ベクトルをGGファジィ分類器に入力し,クラスタ認識を行った。クラスタ化三次元グラフを通して,2つのアルゴリズムの機械的動作の4つの状態を比較して,それは,多変量経験的モード分解法がサンプリングの不均衡問題を解決するだけではなく,EMDアルゴリズムのクラスタリング問題を解決することもできることを示した。Data from the ScienceChina, LCAS. Translated by JST【JST・京大機械翻訳】

シソーラス用語： *故障診断 ,  固有値 ,  *クラスタ ,  転がり軸受 ,  *クラスタ化 ,  三次元 ,  曖昧さ ,  *軸受 ,  アルゴリズム ,  多重化
準シソーラス用語： 不均衡 ,  特徴ベクトル ,  振動信号 ,  *経験的モード分解 ,  *多変量 , 【Automatic Indexing@JST】

著者キーワード (4件)： bearing fault diagnosis ,  multivariate empirical mode decomposition(multi-EMD) ,  cross approximate entropy(cApEn) ,  Gath-Geva clustering

分類 (1件)： 軸受  (QB01020W)

タイトルに関連する用語 (6件)： 多変量 ,  経験的モード分解 ,  近似エントロピー ,  クラスタリング ,  軸受 ,  故障診断