文献

J-GLOBAL ID：202102281535080557   整理番号：21A0406276

CEEMDANマルチスケール配列エントロピーに基づく軸受故障インテリジェント識別Fisher-GGクラスタリング手法【JST・京大機械翻訳】

Intelligent Fault Recognition of Rolling Bearings Using Fisher-GG Clustering and CEEMDAN-based Multi-scale Permutation Entropy

著者 (4件)： Xiong Guoliang (華東交通大学 机電与車輌工程学院,南昌 330013) ,  Zhen Canzhuang (華東交通大学 机電与車輌工程学院,南昌 330013) ,  Zhang Long (華東交通大学 机電与車輌工程学院,南昌 330013) ,  Xu Tianpeng (華東交通大学 机電与車輌工程学院,南昌 330013)
資料名： Zaosheng yu Zhendong Kongzhi  (Zaosheng yu Zhendong Kongzhi)
巻： 40  号： 6  ページ： 1-7,28  発行年： 2020年 
JST資料番号： C2428A  ISSN： 1006-1355  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： 転がり軸受の振動信号の非線形,非定常性および複雑性を,本論文で研究した。適応ノイズ完全集合経験モード分解(Com-pleteensembleempiricaldecompositionwithadaptivenoise,CEEMDAN)の適応ノイズ除去優位性を利用した。マルチスケール配列エントロピー(Multi-scalepermutationentropy,MPE)は、時系列の異なるスケールでのランダム度および時系列動力学の変異を有効的に検出できるなどの特徴を反映でき、CEEMDANに基づく。マルチスケール配列エントロピー,Fisher比,GG(Gath-Geva,GG)クラスタリングアルゴリズムを,軸受故障の知的同定のために採用した。最初に,回転軸受のオリジナル信号を,CEEMDANアルゴリズムによって分解し,そして,故障情報を含むいくつかの固有モード関数(IMF)を,得た。次に尖度基準を用いて最適モード成分を選び、そのマルチスケール配列エントロピー値(Multi-scalepermutationentropy,MPE)を計算した。最後に,MPEの特徴をFisher比により選択し,最後に選択したMPE構成特徴ベクトルをGGクラスタモデルに入力し,転がり軸受の故障の知的認識を実現した。他のクラスタリングモデルと組み合わせた方法と比較して,転がり軸受の故障同定における提案方法の有効性と優位性を証明した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  *エントロピー ,  雑音 ,  *故障 ,  転がり軸受 ,  *軸受 ,  *クラスタ化 ,  クラスタ模型 ,  雑音低減
準シソーラス用語： 尖度 ,  特徴ベクトル ,  マルチスケール ,  クラスタリングアルゴリズム ,  モード分解 ,  固有モード関数 , 【Automatic Indexing@JST】

分類 (2件)： 軸受  (QB01020W) ,  その他のシステムプログラミング  (JD03070M)

タイトルに関連する用語 (6件)： マルチスケール ,  エントロピー ,  軸受 ,  故障 ,  識別 ,  クラスタリング手法