%0 Journal Article %A 潘海洋 %A 郑近德 %A 杨宇 %A 童宝宏 %T 基于CELCD和MFVPMCD的智能故障诊断方法研究 %D 2017 %R 10.3969/j.issn.0372-2112.2017.03.006 %J 电子学报 %P 546-551 %V 45 %N 3 %X

针对旋转机械故障诊断方法中信号处理和模式识别的不足,即端点效应和判别片面性问题,提出一种基于互相关匹配延拓局部特征尺度分解(Cross-correlation matching endpoint Extension Local Characteristic scale Decomposition,CELCD)和改进多变量预测模型(Variable Predictive Model based Class Discriminate,VPMCD)的智能故障诊断方法,首先探索待分解信号前后端的数据规律,选取匹配波形完成端点延拓,然后利用局部特征尺度分解(Local Characteristic scale Decomposition,LCD)得到各去除端点效应的内禀尺度分量(Intrinsic Scale Component,ISC),最后输入到基于多模型融合的多变量预测模型(Multi-model Fusion-Variable Predictive Model based Class Discriminate,MFVPMCD)分类器中进行概率状态判定.实验分析结果表明,所提方法能有效地对滚动轴承的工作状态进行识别.

%U https://www.ejournal.org.cn/CN/10.3969/j.issn.0372-2112.2017.03.006