基于EEMD模糊熵和GK聚类的信号特征提取方法及应用

摘要：

提出了一种基于集合经验模态分解模糊熵和GK聚类相结合的方法,应用于滚动轴承的故障诊断中.首先,利用EEMD方法将故障信号分解成多个本征模态分量来消除模态混叠影响;其次,通过相关性对IMF分量进行筛选,并求取其模糊熵作为特征向量进行GK聚类分析进行模式识别.在实验分析中,通过模糊熵、样本熵、近似熵3种特征参数的对比,和GK聚类与FCM聚类的对比,证明了该方法的有效性和优越性.

关键词：计量学、故障诊断、集合经验模态分解、模糊熵、GK聚类

所属期刊栏目：36

分类号：TB936(计量学)

资助基金：国家自然科学基金61077071

在线出版日期：2015-12-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：501-505