Hierarchical Clustering of Vibrational Features: a Method to Recognize Severity and Types of Rolling Element Bearing’s Faults
سال انتشار: 1387
نوع سند: مقاله کنفرانسی
زبان: انگلیسی
مشاهده: 1,879
فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ISME16_917
تاریخ نمایه سازی: 20 آبان 1386
چکیده مقاله:
In this paper, a method for detection and classification of cyclic bearing faults is introduced. The method uses hierarchical clustering to classify severity of flaws. Also it is examined in classification of flaw’s location. Features are extracted from acceleration signals in three different domains which are time, frequency and timefrequency representations of the signal. Encouraging results indicate the potential of the demonstrated method in condition monitoring and fault diagnosis of rolling element bearings.
کلیدواژه ها:
Hierarchical clustering ، Rolling element bearing condition monitoring ، Severity classification ، Feature extraction
نویسندگان
Ali Kahirdeh
Mechanical Engineering Department Iran university of Science and Technology
Mir Saeed Safizadeh
Mechanical Engineering Department Iran university of Science and Technology
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :