-
题名基于经验模态分解的行星齿轮箱故障特征提取新方法
- 1
-
-
作者
王付广
-
机构
铜陵学院实践教学管理处
-
出处
《技术与市场》
2024年第2期63-66,共4页
-
基金
铜陵学院校级科研项目(2022tlxy49)。
-
文摘
行星齿轮箱有着应用广泛、结构紧凑、适应恶劣工况的特点,其振动信号中包含强背景噪声以及大量啮合振动耦合,因此行星齿轮箱振动信号故障特征提取困难。针对上述情况,基于经验模态分解(empirical mode decomposition,EMD)、多尺度模糊熵以及波形指标提出了一种新的行星齿轮箱故障特征提取方法。首先,通过EMD将原始信号分解为单分量信号(IMF);其次,筛选IMF进行重构;最后,利用多尺度模糊熵和波形指标进行参数融合。试验结果表明:该方法可有效区分行星齿轮箱不同故障类型。
-
关键词
经验模态分解
多尺度模糊熵
波形指标
行星齿轮箱
-
Keywords
empirical mode decomposition
multi-scale fuzzy entropy
waveform index
planetary gearbox
-
分类号
TN9
[电子电信—信息与通信工程]
-
-
题名基于模糊聚类算法的高维大数据增量处理方法
被引量：1
- 2
-
-
作者
张思松
张明
-
机构
铜陵学院实践教学管理处
铜陵市爱国小学
-
出处
《蚌埠学院学报》
2022年第2期55-59,共5页
-
基金
安徽省高校自然科学重点项目(KJ2020A0698)
铜陵学院自然科学重点项目(2020tlxyZD01)
安徽省课程思政示范课《计算机基础与计算思维》(2020szsfkc0859)。
-
文摘
现有高维数据增量处理方法由于没有完全抵消类间中心点的相互排斥,导致处理增量数据的缓冲有效比较低,为此,提出了基于模糊聚类算法的高维大数据增量处理方法。利用时间窗口构建了可变增量数据抽取模型,针对抽取数据采用最大相关最小冗余的特征选择方法,过滤增量数据;基于模糊聚类算法抵消类间节点的相互排斥,通过优化中心聚类节点完成对增量数据的聚类处理。测试结果表明,所提算法的数据处理速度差异性较小,当增量变化比小于8%时,三种方法的缓冲有效比P之间的差异性较小;当增量变化比为20%和42%时,所提方法的P值比其他两组方法分别高了6.28%、8.4%和13.61%、14.67%。可见所提方法利用模糊聚类算法,更好地消除了类间中心点相互排斥的问题。
-
关键词
模糊聚类算法
高维大数据
增量数据
时间窗口
最大相关最小冗余
类间差异
-
Keywords
fuzzy clustering algorithm
high dimensional big data
incremental data
time window
maximum correlation and minimum redundancy
inter class differences
-
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
-
