基于单值中智集相似性及熵度量的轴承故障诊断

摘要

文章以轴承的故障识别和分类作为研究对象,建立特征提取和分类方法.首先通过小波包分解得到各频段的能量谱,根据多个样本的能量谱得到已知故障类型单值中智集(SVNS)矩阵和实验数据的SVNS.其次,通过SVNS理论,建立了三种分类计算方式,分别是:Euclidean距离、余弦相似度、单值中智集对称交叉熵(SVNSSCE).最后,实验数据证明了文章采用方法的可行性和有效性,故障识别率达到96％以上,且余弦相似度、SVNSSCE分类方式相对于Euclidean距离在文章数据集中有更好效果.文章分类方法具有以数据驱动为主、人工参数少、计算量小的特点.