A Fault Diagnosis Method for Rolling Bearings Based on Feature Fusion of Multifractal Detrended Fluctuation Analysis and Alpha Stable Distribution

Añadir a colección

CONTENIDO PARA USUARIOS REGISTRADOS

Inicia sesión para disfrutar este recurso. Si aún no estás afiliado a BibloRed, haz clic en el botón.

Descripción: Cuando fallan los rodamientos, suele ser difícil determinar el grado de daño. Para abordar este problema, se desarrolló un nuevo método de diagnóstico de fallas para realizar extracción de características y clasificación inteligente de varias posiciones de falla y grado de daño de las señales de los rodamientos. En primer lugar, se utilizó el Análisis de Fluctuación Desprendida Multifractal (MFDFA) para calcular cinco características MFDFA mientras que cinco características de Distribución Alfa Estable (ASD) se obtuvieron ajustando la distribución a las señales de vibración de cada estado y calculando la Función de Densidad de Probabilidad (PDF). En segundo lugar, se utilizó el Análisis de Componentes Principales Kernel (KPCA) para lograr la reducción de la dimensionalidad de la combinación de características originales para obtener las Características de Fusión de Componentes Principales Kernel (KPCFFs). En tercer lugar, los KPCFFs sirvieron como entrada de la Máquina de Vectores de Soporte de Mínimos Cuadrados (LSSVM)
Citación recomendada (normas APA)
: Hindawi Publishing Corporation, "A Fault Diagnosis Method for Rolling Bearings Based on Feature Fusion of Multifractal Detrended Fluctuation Analysis and Alpha Stable Distribution", -:Revista VirtualPRO,, 2015. Consultado en línea en la Biblioteca Digital de Bogotá (https://www.bibliotecadigitaldebogota.gov.co/resources/3937694/), el día 2025-06-15.

Información adicional