Abstract: J. Huang, W. Wu, Y. Tian, C. Wang, M. Wang (2025)

Here, a bearing fault diagnosis method based on recurrence analysis and Stacking ensemble learning is proposed to effectively extract nonlinear information from rolling bearing signals and improve diagnostic accuracy. Firstly,the nonlinear information in bearing signals is mapped to a two-dimensional recurrence plot through the application of recurrence analysis theory. Convolutional Neural Network (CNN) and Support Vector Machine (SVM) models are established from the perspectives of image recognition and recurrence quantification analysis,respectively. Finally, the Stacking method is employed to integrate these two models,leveraging their respective strengths. Experimental results demonstrate that the proposed method significantly improves the classification accuracy of bearing vibration signals and exhibits excellent stability under varying load conditions,providing a reliable solution for bearing fault diagnosis.

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 for rolling bearings based on recurrence analysis and Stacking ensemble learning