针对滚动轴承聚类故障聚类模式识别方法中需要预先设定聚类数目问题,提出了一种基于局部均值分解(local mean decompoeiton,LMD)与基本尺度熵(base scale entropy,BSE)的相邻传播(affinity propagation,AP)滚动轴承聚类故障诊断方法。该方法首先使用LMD模型将滚动轴承的不同状态振动信号分解为若干乘积函数(production function,PF);其次使用BSE计算前三个PF的熵值(BSE1-BSE3),并将其作为AP的输入进行滚动轴承的故障模式识别。最后实验结果表明,在不需要划分聚类中心个数的前提条件下AP聚类模型对滚动轴承的故障划分效果较好。
【英文摘要】
To reslove the preconfigured the number of clustering center points problem of the roller bearings fault recognition by using cluster method,this paper proposed a method based on LMD,BSE,and AP clustering algorithm for roller bearings diagnosis recognition. Firstly,the method used the LMD model decomposed the roller bearings vibration signals in different conditions into a series of PF. Secondly,it used BSE method to calculate the entropy value of the first three PF(BSE1-BSE3). Then AP clustering algorithm ...
| 
推荐 
点击下列相关研究机构和相关文献作者，可以直接查到这些机构和作者被《中国知识资源总库》收录的其它文献，使您全面了解该机构和该作者的研究动态和历史。
