信息熵与经验模态分解集成的转子故障信号量化特征提取

被引：13

作者：

赵荣珍 ^{[1
,2
]}

杨文瑛 ^{[1
,2
]}

马再超 ^{[1
,2
]}

杨娟 ^{[1
,2
]}

机构：

[1] 兰州理工大学数字制造技术与应用省部共建教育部重点实验室

[2] 兰州理工大学机电工程学院

来源：

兰州理工大学学报 | 2013年 / 39卷 / 01期

关键词：

转子系统; 信息熵; 经验模态分解; 量化特征提取;

D O I：

暂无

中图分类号：

TH165.3 [];

学科分类号：

摘要：

针对转子振动信号的非线性、非平稳性造成的故障状态难以定量准确描述问题,提出一种基于信息熵和经验模态分解(empirical mode decomposition,EMD)的转子振动信号量化特征提取方法.该方法通过对比转子故障信号EMD分解后各内禀模态分量(intrinsic mode function,IMF)的能量状态及其与原始信号间的相关性程度,在确定出包含主要故障信息的分量基础上,分别对其进行时域、频域及时频域内4种信息熵熵值的计算,从而建立起一种信息熵熵带特征量.实验信号的分析结果表明,该方法能够较好地实现对转子系统故障信号的量化特征提取,所提取出的特征集合具有能够使典型故障特征量之间存在显著差异的性能.

引用

页码：19 / 24

页数：6

共 10 条

[1]

基于熵带法与PSO优化的SVM转子故障诊断 [J].