登录即送 免费额度
滚动轴承故障智能辨识分析
本工具是一款专业的 滚动轴承故障辨识研究助手， 基于 LMD分解 多尺度样本熵 GG聚类算法。 能够自适应提取非平稳信号特征，构建高维特征向量并进行智能聚类分析，精准识别 轴承故障类型（如内圈故障、外圈故障、滚动体故障等）， 为机械故障诊断研究提供强有力的数据支持。
技术原理说明
LMD 分解
局部均值分解（LMD）能将复杂的非平稳信号自适应地分解为若干个乘积函数（PF），有效提取信号的瞬时频率和幅值。
多尺度样本熵
在不同尺度因子下计算样本熵，衡量信号在不同分辨率下的复杂度，构建反映故障状态的高维特征向量。
GG 聚类
利用灰色聚类算法对特征向量进行分类，通过白化权函数确定样本所属的故障类别，实现自动辨识。
常见问题
适用哪些故障？
适用于滚动轴承的内圈故障、外圈故障、滚动体故障及正常状态的辨识。
数据如何处理？
工具会自动模拟LMD分解过程，提取关键PF分量的熵值特征，并输出聚类分析结果。