Abstract: S. Zhang, H. Bao, P. Li, X. Li, W. Jiang (2015)

A fault diagnosis method of rolling bearings based on RQA and GG clustering was put forward. The parameters of the RQA which were able to characterize the degree of divergence of the signal-determinism and laminarity were used to consist the fault feature vector. Combined with the GG fuzzy clustering, it could achieve the fault pattern recognition of rolling bearings. The analyses of the actual fault data show that the method is able to identify different degrees of damage of rolling bearing faults and to complete different parts of the bearing fault diagnosis. It provides an efficient and intuitionistic new way for the identification of rolling bearing faults.

Please note: The abstracts of the bibliography database may underly other copyrights.

Ihr Browser versucht gerade eine Seite aus dem sogenannten Internet auszudrucken. Das Internet ist ein weltweites Netzwerk von Computern, das den Menschen ganz neue Möglichkeiten der Kommunikation bietet.

Da Politiker im Regelfall von neuen Dingen nichts verstehen, halten wir es für notwendig, sie davor zu schützen. Dies ist im beidseitigen Interesse, da unnötige Angstzustände bei Ihnen verhindert werden, ebenso wie es uns vor profilierungs- und machtsüchtigen Politikern schützt.

Sollten Sie der Meinung sein, dass Sie diese Internetseite dennoch sehen sollten, so können Sie jederzeit durch normalen Gebrauch eines Internetbrowsers darauf zugreifen. Dazu sind aber minimale Computerkenntnisse erforderlich. Sollten Sie diese nicht haben, vergessen Sie einfach dieses Internet und lassen uns in Ruhe.

Die Umgehung dieser Ausdrucksperre ist nach §95a UrhG verboten.

Mehr Informationen unter www.politiker-stopp.de.

Fault diagnosis of rolling bearings based on RQA and GG clustering