Research on Rolling Bearing Fault Diagnosis Based on Volterra Kernel Identification and KPCA

Autor:	Yahui Wang, Rong Dong, Xinchao Wang, Xunying Zhang
Jazyk:	angličtina
Rok vydání:	2023
Předmět:	Physics QC1-999
Zdroj:	Shock and Vibration, Vol 2023 (2023)
Druh dokumentu:	article
ISSN:	1875-9203
DOI:	10.1155/2023/5600690
Popis:	A rolling bearing fault diagnosis method based on the Volterra series and kernel principal component analysis (KPCA) is proposed. In the proposed method, first, the improved genetic algorithm (IGA) is used to identify the Volterra series model of the bearing in four states: normal, rolling element fault, inner ring fault, and outer ring fault. The Volterra time-domain kernel is used as the feature vector for kernel principal component analysis to classify and identify the faults. The feasibility of the fault diagnosis method of the Volterra level and kernel principal component analysis is verified by the experimental results.
Databáze:	Directory of Open Access Journals
Externí odkaz:	https://doaj.org/article/44df65e3a5404d4cbcfce22d524083bb Zobrazit plný text záznamu View record in DOAJ Plný text ve formátu PDF Plný text ve formátu HTML
Nepřihlášeným uživatelům se plný text nezobrazuje	K zobrazení výsledku je třeba se přihlásit.