基于EEMD模糊熵和GK聚类的信号特征提取方法及应用.pdf

第36卷第5期 计 量 学 报 V01．36．№5 2015年9月 ACTAMETROLOGICASINICA 158．2015．05．12 doi：10．3969／j．issn．1000-1 基于EEMD模糊熵和GK聚类的 信号特征提取方法及应用 金梅1， 李 盼1， 张立国1， 金 菊2， 张淑清1 (1．燕山大学河北省测试计量技术与仪器重点实验室，河北秦皇岛066004； 2．河北工业大学土木工程学院，天津300401) 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 中图分类号：TB936 文献标识码：A 文章编号：1000—1158(2015)05-0501-05 A FeatureExtractionMethodandIts Basedon Signal Application EEMD andGK Fuzzy Clustering Entropy JIN Meil，LIPanl，ZHANG Ju2，ZHANGShu-qin91 Li．gu01，JIN andInstrumentationlabofHebei (1．Measurement Province， Technology Key Yanshan University，Qinhuangdao，Hebei066004，China； 2．SchoolofCivil of 300401，China) Engineering，HebeiUniversityTechnology，Tianjin methodoffeatureextraction ensemble mode with Abstract：A decompositionfuzzyentropy，and combining empirical Gustafaon-Kesseltothe fault vibrationis clusteringrollingbearingdiagnosis．isintroduced．Firstly，mUingbearing signal are of the ofthe intoaserieso