EEMD分解的模糊熵t-SNE的齿轮故障诊断

SONG Zi-wei,XIONG Yun-wei,HU Zhen-yu,LIU Fei-yang,CHEN Han-xin

Mechanical Engineering & Automation（2023）

引用 0|浏览0

暂无评分

摘要

针对齿轮容易出现故障的问题,提出了一种通过求集合经验模态分解(EEMD)分量的模糊熵,然后再通过 t分布的随机邻域嵌入算法(t-SNE)降维,最后将降维后的矩阵输入神经网络进行分类的齿轮故障诊断方法.利用该方法,对正常和具有三种不同裂纹程度的齿轮进行故障诊断和分类,并将分类结果与通过PCA降维的分类结果进行比较.结果表明:通过 t-SNE降维的分类准确率达到了 100%,说明提出的方法具有较好的故障诊断和分类效果.

关键词

EEMD,fuzzy entropy,t-SNE,fault diagnosis,gear

AI 理解论文

溯源树

样例

生成溯源树，研究论文发展脉络

Chat Paper

正在生成论文摘要