Resumen

Como componente clave de un sistema mecánico, la extracción y la identificación precisa de la información de las características de falla de los rodamientos de rodillos son de gran importancia para garantizar el funcionamiento normal del sistema mecánico. Con el objetivo de que la extracción de las características de falla de los rodamientos de rodillos y los parámetros tradicionales de la máquina de vectores de soporte afecten la precisión general de la clasificación de patrones, se propone el modelo mejorado basado en la entropía de energía en el dominio del tiempo de CEEMDAN (descomposición empírica en modo de conjunto completo con ruido adaptativo) para el reconocimiento de patrones de falla. Se desarrolla el método ICEEMDAN para descomponer la señal y obtener la serie de componentes IMF. Luego, se seleccionan los componentes IMF particulares según la tendencia del coeficiente de correlación y la tasa de contribución de la varianza; al mismo tiempo, se calcula la entropía de información (entropía espectral de potencia, entropía espectral singular y

• Materias:Ingeniería subterránea Deformaciones elásticas Excavación con explosivos Transitorios repetitivos Efecto de Perturbación
• Subjects:Underground engineering Elastic deformations Excavation with explosives Repetitive transients Perturbation effect
• Palabras claves:Características de falla de rodamientos; Extracción; CEEMDAN; Entropía de energía en dominio temporal; Modelo PSO-SVM; Reconocimiento de patrones
• Keywords:Rolling bearing fault features; Extraction; CEEMDAN; Time-domain energy entropy; PSO-SVM model; Pattern recognition