广义复合多尺度加权排列熵与参数优化支持向量机的滚动轴承故障诊断 被引量：26

1

作者 丁嘉鑫 王振亚 +1 位作者 姚立纲 蔡永武 《中国机械工程》 EI CAS CSCD 北大核心 2021年第2期147-155,共9页

针对滚动轴承特征提取和故障识别两个关键环节,提出了一种广义复合多尺度加权排列熵(GCMWPE)与参数优化支持向量机相结合的故障诊断方法。利用GCMWPE全面表征滚动轴承故障特征信息,构建高维故障特征集。应用监督等度规映射(S-Isomap)算... 针对滚动轴承特征提取和故障识别两个关键环节,提出了一种广义复合多尺度加权排列熵(GCMWPE)与参数优化支持向量机相结合的故障诊断方法。利用GCMWPE全面表征滚动轴承故障特征信息,构建高维故障特征集。应用监督等度规映射(S-Isomap)算法进行有效的二次特征提取。采用天牛须搜索优化支持向量机(BAS-SVM)诊断识别故障类型。将所提方法应用于滚动轴承实验数据分析过程,结果表明:GCMWPE特征提取效果优于多尺度加权排列熵、复合多尺度加权排列熵和广义多尺度加权排列熵;GCMWPE与S-Isomap相结合的特征提取方法可在低维空间中有效区分滚动轴承不同故障类型;BAS-SVM的识别正确率和识别速度优于粒子群优化支持向量机、模拟退火优化支持向量机和人工鱼群优化支持向量机;所提方法能够有效、精准地识别出各故障类型。 展开更多

关键词 广义复合多尺度加权排列熵 支持向量机 等度规映射 滚动轴承 故障诊断

在线阅读 下载PDF 职称材料

加权精细复合多尺度散布熵与改进贝叶斯网络结合的轴承故障诊断

2

作者 仝兆景 孟令强 +1 位作者 唐晋豪 吴鹏 《机械科学与技术》 北大核心 2025年第7期1151-1158,共8页

针对多尺度散布熵方法无法准确估计信号复杂性的问题,为更精确地提取轴承振动信号的故障特征,将加权精细复合多尺度散布熵(Weighted refined composite multiscale dispersion entropy,wRCMDE)引入到轴承故障特征提取中。在此基础上,提... 针对多尺度散布熵方法无法准确估计信号复杂性的问题,为更精确地提取轴承振动信号的故障特征,将加权精细复合多尺度散布熵(Weighted refined composite multiscale dispersion entropy,wRCMDE)引入到轴承故障特征提取中。在此基础上,提出了一种基于wRCMDE与改进贝叶斯网络相结合的滚动轴承故障诊断方法。通过计算不同故障振动信号的wRCMDE,并选取合适尺度下的多个wRCMDE值作为特征向量形成特征样本,输入到改进萤火虫算法优化的贝叶斯网络中进行故障分类识别。通过实验数据分析,将所提方法与基于多尺度散布熵和精细复合多尺度散布熵的故障特征提取方法进行对比,结果表明,该方法能够更加准确地识别滚动轴承的故障类型,且识别率更高。 展开更多

关键词 加权精细复合多尺度散布熵 萤火虫算法 贝叶斯网络 故障诊断

在线阅读 下载PDF 职称材料

基于复合多尺度二维时频排列熵的滚动轴承故障诊断

3

作者 包金龙 郑近德 +2 位作者 潘海洋 童靳于 刘庆运 《噪声与振动控制》 北大核心 2025年第4期143-149,共7页

多尺度排列熵(Multiscale Permutation Entropy,MPE)是一种有效的衡量时间序列复杂性的非线性动力学指标,但其只能反映时间序列的时域信息,而频域信息却被忽略。为此,基于二维排列熵(Two-dimensional Permutation Entropy,PE2D),提出基... 多尺度排列熵(Multiscale Permutation Entropy,MPE)是一种有效的衡量时间序列复杂性的非线性动力学指标,但其只能反映时间序列的时域信息,而频域信息却被忽略。为此,基于二维排列熵(Two-dimensional Permutation Entropy,PE2D),提出基于时间序列时频域复杂性量度的二维时频排列熵(Two-dimensional Time-frequency Permutation Entropy,TFPE2D)方法。为反映振动信号在不同尺度下的复杂程度、避免传统多尺度粗粒化导致信息丢失的缺陷,进一步提出复合多尺度二维时频排列熵(Composite Multi-scale Two-dimensional Time-frequency Permutation Entropy,CMTFPE2D),并采用仿真信号验证CMTFPE2D的有效性。同时,将CMTFPE2D与萤火虫优化支持向量机(Firefly Algorithmsupport Vector Machine,FA-SVM)相结合应用于滚动轴承故障诊断,并采用实测数据进行分析,结果表明:所提故障特征提取与诊断方法能够有效识别滚动轴承不同故障程度和故障位置,且识别精度更高。 展开更多

关键词 故障诊断 排列熵 二维时频排列熵 复合多尺度二维时频排列熵 滚动轴承

在线阅读 下载PDF 职称材料

基于改进复合多元尺度加权排列熵的轴承故障识别研究 被引量：1

4

作者 吕麦丝 陈根金 +1 位作者 刘玉芳 张明 《中国工程机械学报》 北大核心 2023年第1期73-78,共6页

轴承作为机械传动系统上不可缺少单元,在长期交变载荷作用下容易产生内部损伤,判断其故障状态尤为重要。综合复合多元多尺度加权排列熵(CMMWPE)与天牛须搜索支持向量机(BSASVM)算法优点,设计了一种基于CMMWPE-BSASVM复合算法的轴承故障... 轴承作为机械传动系统上不可缺少单元,在长期交变载荷作用下容易产生内部损伤,判断其故障状态尤为重要。综合复合多元多尺度加权排列熵(CMMWPE)与天牛须搜索支持向量机(BSASVM)算法优点,设计了一种基于CMMWPE-BSASVM复合算法的轴承故障智能诊断方法。以调心球轴承运行情况为例,开展故障诊断分析。研究结果表明:利用本文CMMWPE算法进行处理时形成了比MWPE、CMWPE算法更加平滑的熵值变化曲线,能够实现以上样本的精确区分,有助于更准确提取出滚动轴承的特征信号。采用CMMWPE可以实现更高效的故障模式识别性能;相比较其他分类器,BSASVM分类器处理效率更高,因此建立的CMMWPE和Isomap特征集识别运行故障获得了100%准确率,确保滚动轴承故障达到精确、高效识别的效果。该研究可以拓宽到相关机械传动领域,具有很好的应用价值。 展开更多

关键词 轴承 复合多元多尺度加权排列熵(CMMWPE) 支持向量机 故障诊断

在线阅读 下载PDF 职称材料

基于复合多尺度排列熵与FO-SVM的滚动轴承故障诊断方法 被引量：13

5

作者 董治麟 郑近德 +2 位作者 潘海洋 刘庆运 丁克勤 《噪声与振动控制》 CSCD 2020年第2期102-108,共7页

MPE算法中不充分的时间序列粗粒化过程会造成原始振动信号在时间序列中信息的缺失。为优化这种不成熟的粗粒化过程,相关学者创新地采用复合粗粒化的思想,提出了复合多尺度排列熵(CMPE)。为了实现滚动轴承的智能故障诊断,提出一种基于CMP... MPE算法中不充分的时间序列粗粒化过程会造成原始振动信号在时间序列中信息的缺失。为优化这种不成熟的粗粒化过程,相关学者创新地采用复合粗粒化的思想,提出了复合多尺度排列熵(CMPE)。为了实现滚动轴承的智能故障诊断,提出一种基于CMPE与萤火虫优化支持向量机(FO-SVM)的滚动轴承智能故障诊断方法。首先使用CMPE表征滚动轴承的原始故障信息,然后构建FO-SVM多故障分类器,实现对滚动轴承故障类型和程度的智能识别。通过仿真信号分析验证了CMPE相对于MPE在信号稳定性方面的优越性;实验数据分析结果表明:相比于基于MPE与FO-SVM的滚动轴承故障诊断方法,所提故障诊断方法不仅能够准确诊断滚动轴承的故障类型和程度,而且识别率达到了100%。 展开更多

关键词 振动与波 多尺度排列熵 复合多尺度排列熵 滚动轴承 故障诊断 萤火虫优化支持向量机

在线阅读 下载PDF 职称材料

基于改进多元多尺度加权排列熵的齿轮箱故障诊断 被引量：5

6

作者 赵家浩 廖晓娟 唐锡雷 《组合机床与自动化加工技术》 北大核心 2022年第12期48-52,共5页

齿轮箱振动存在多个传递路径,而典型齿轮箱故障诊断方法一般使用单个路径的单通道振动信号,易造成其它通道信息的遗漏。为充分利用不同路径振动信号故障信息,增强故障特征的质量,引入了多元多尺度加权排列熵,对其粗粒化方式进行了完善,... 齿轮箱振动存在多个传递路径,而典型齿轮箱故障诊断方法一般使用单个路径的单通道振动信号,易造成其它通道信息的遗漏。为充分利用不同路径振动信号故障信息,增强故障特征的质量,引入了多元多尺度加权排列熵,对其粗粒化方式进行了完善,提出了改进多元多尺度加权排列熵(IMMWPE),实现齿轮箱多通道振动信号的故障特征提取。基于此,提出了一种结合IMMWPE、成对邻近特征和粒子群优化支持向量机的齿轮箱故障诊断方法。通过齿轮箱多通道数据分析,将其与多元多尺度样本熵、多元多尺度排列熵和多元多尺度模糊熵等方法进行对比,结果证明该方法能够准确识别齿轮箱的各类故障,而且优于对比方法。 展开更多

关键词 齿轮箱 改进多元多尺度加权排列熵 成对邻近特征 故障诊断

在线阅读 下载PDF 职称材料

基于双频精细复合多尺度排列熵的齿轮箱损伤识别 被引量：1

7

作者 刘心 费莹 李倩 《机电工程》 CAS 北大核心 2023年第8期1176-1184,共9页

齿轮箱振动信号的非线性会导致其损伤特征难以得到有效提取,针对这一问题,提出了一种基于双频精细复合多尺度排列熵(DFRCMPE)和鲸鱼算法优化支持向量机(WOA-SVM)的融合损伤识别方法。首先,采用小波包分解(WPD)对齿轮箱损伤振动信号进行... 齿轮箱振动信号的非线性会导致其损伤特征难以得到有效提取,针对这一问题,提出了一种基于双频精细复合多尺度排列熵(DFRCMPE)和鲸鱼算法优化支持向量机(WOA-SVM)的融合损伤识别方法。首先,采用小波包分解(WPD)对齿轮箱损伤振动信号进行了两层分解,获得了反映齿轮箱损伤特性的低频和高频分量;然后,利用精细复合多尺度排列熵(RCMPE)对两组频带分量进行了分析,以充分提取嵌入在振动信号中的损伤信息,构建损伤特征;最后,将损伤特征输入至WOA-SVM分类模型中,成功对损伤进行了智能识别,并以实验采集到的齿轮箱振动信号为对象,对基于DFRCMPE和WOA-SVM的融合损伤识别方法的有效性开展了对比讨论。研究结果表明:与基于精细复合多尺度样本熵(RCMSE)、精细复合多尺度模糊熵(RCMFE)、RCMPE、精细复合多尺度散布熵(RCMDE)的特征提取方法相比,基于DFRCMPE和WOA-SVM的融合损伤识别方法的准确率和稳定性更高,平均识别准确率达到了100%;该方法能够为解决实际应用中的齿轮箱故障识别问题提供可行的思路。 展开更多

关键词 齿轮传动 损伤特征提取 齿轮箱振动信号 双频精细复合多尺度排列熵 鲸鱼算法优化支持向量机 小波包分解

在线阅读 下载PDF 职称材料

轴承故障的排列熵特征提取与GK模糊识别方法 被引量：4

8

作者 陆凤君 《组合机床与自动化加工技术》 北大核心 2020年第5期95-98,102,共5页

为了提高轴承故障诊断准确率,提出了参数优化多尺度排列熵的特征参数提取方法和加权GK模糊聚类的识别方法。在特征提取方面,以多尺度排列熵序列偏度最小为优化目标,使用多作用力微粒群算法优化多尺度排列熵参数,实现了排列熵特征参数在... 为了提高轴承故障诊断准确率,提出了参数优化多尺度排列熵的特征参数提取方法和加权GK模糊聚类的识别方法。在特征提取方面,以多尺度排列熵序列偏度最小为优化目标,使用多作用力微粒群算法优化多尺度排列熵参数,实现了排列熵特征参数在轴承不同故障状态下的完全分离;在故障识别方面,提出了加权GK模糊聚类的识别方法,使用ReliefF算法计算特征参数权重,为高敏感度特征参数赋予更大的权值,从而提高GK模糊聚类的聚集度。经轴承故障实验验证,文章提出的排列熵特征参数提取和GK模糊聚类识别方法在此次实验中能够精准识别轴承故障类型,说明文中提出的特征提取和模式识别方法具有一定借鉴意义。 展开更多

关键词 轴承故障诊断 参数优化多尺度排列熵 加权GK模糊聚类 多作用力微粒群算法

在线阅读 下载PDF 职称材料

基于SPA和IRCMMPE的旋转机械损伤识别方法

9

作者 李恒亮 张思婉 郭衡 《机电工程》 北大核心 2025年第6期1045-1054,共10页

基于单通道信号的旋转机械故障诊断方法的故障诊断效果通常比较依赖信号的质量,针对这一问题,提出了一种基于平滑先验分析(SPA)、改进精细复合多变量多尺度排列熵(IRCMMPE)和麻雀搜索算法优化支持向量机(SSA-SVM)的旋转机械损伤识别策... 基于单通道信号的旋转机械故障诊断方法的故障诊断效果通常比较依赖信号的质量,针对这一问题,提出了一种基于平滑先验分析(SPA)、改进精细复合多变量多尺度排列熵(IRCMMPE)和麻雀搜索算法优化支持向量机(SSA-SVM)的旋转机械损伤识别策略。首先,使用SPA将单通道信号分解为趋势项和去趋势项两种完全不同的分量,减少了分量的冗余,并将其组装为多通道信号以实现对样本的扩充;然后,采用IRCMMPE对多通道信号进行了特征提取以对比验证两个分量之间的相关性,获取了更能反映故障特性的特征;最后,将故障特征输入至SSA-SVM分类器中进行了故障识别,完成了对旋转机械的故障辨识和故障程度的判断,利用三个旋转机械数据集对SPA-IRCMMPE故障诊断方法的有效性进行了实验分析,并与其他故障诊断方法进行了对比研究。研究结果表明:SPA-IRCMMPE模型在诊断旋转机械不同故障类型时分别取得了100%和99.2%的识别准确率,平均识别准确率分别为99.76%和99.92%;而自制数据集的诊断精度达到了100%。相较于其他故障诊断方法,SPA-IRCMMPE模型仅需使用单个通道的振动信号且无需进行分量重要性评估,避免了分量取舍的问题,对振动信号的利用效率较高。 展开更多

关键词 旋转机械单通道信号 故障诊断 麻雀搜索算法优化支持向量机 改进精细复合多变量多尺度排列熵 平滑先验分析 离心泵 滚动轴承

在线阅读 下载PDF 职称材料

基于熵-流特征和樽海鞘群优化支持向量机的故障诊断方法 被引量：25

10

作者 王振亚 姚立纲 +1 位作者 蔡永武 张俊 《振动与冲击》 EI CSCD 北大核心 2021年第6期107-114,共8页

针对旋转机械设备故障特征提取困难的问题,提出一种熵-流特征和樽海鞘群优化支持向量机(salp swarm optimization support vector machine,SSO-SVM)的故障诊断方法。利用改进多尺度加权排列熵(improved multiscale weighted permutation... 针对旋转机械设备故障特征提取困难的问题,提出一种熵-流特征和樽海鞘群优化支持向量机(salp swarm optimization support vector machine,SSO-SVM)的故障诊断方法。利用改进多尺度加权排列熵(improved multiscale weighted permutation entropy,IMWPE)提取机械设备不同工况下的故障特征;采用监督等度规映射(S-Isomap)流形学习进行降维处理,获取低维的熵-流特征集;将熵-流特征输入至SSO-SVM多故障分类器进行识别与诊断。行星齿轮箱故障诊断实验分析结果表明:IMWPE+S-Isomap熵-流特征提取方法优于现有的多尺度排列熵(multiscale permutation entropy,MPE)、多尺度加权排列熵(multiscale weighted permutation entropy,MWPE)和IMWPE等熵值特征提取方法以及IMWPE+等度规映射(Isomap)和IMWPE+线性局部切空间排列(linear local tangent space alignment,LLTSA)等熵-流特征提取方法;樽海鞘群算法对支持向量机参数寻优效果优于粒子群、灰狼群、人工蜂群和蝙蝠群等算法;所提故障诊断方法识别精度达到100%,能够有效诊断出行星齿轮箱各工况类型。 展开更多

关键词 故障诊断 行星齿轮箱 熵-流特征 改进多尺度加权排列熵(IMWPE) 等度规映射(Isomap) 樽海鞘群优化算法(SSO) 支持向量机(SVM)

在线阅读 下载PDF 职称材料

基于谱熵梅尔积和改进VMD的轴承故障预警 被引量：10

11

作者 马小平 李博华 +2 位作者 蔡蔓利 韩正化 陈泽彭 《北京理工大学学报》 EI CAS CSCD 北大核心 2021年第11期1179-1187,共9页

针对传统轴承故障预警实时性较差、故障特征提取准确性影响预警效果的问题,将语音端点识别思想进行迁移,采用谱熵梅尔积特征的双门限法实时追踪故障起始点.为克服变分模态分解(variational mode decomposition,VMD)参数选取不当和端点... 针对传统轴承故障预警实时性较差、故障特征提取准确性影响预警效果的问题,将语音端点识别思想进行迁移,采用谱熵梅尔积特征的双门限法实时追踪故障起始点.为克服变分模态分解(variational mode decomposition,VMD)参数选取不当和端点效应对提取效果造成的影响,提出能量差网格搜索法对VMD进行参数寻优,并用支持向量回归机对端点效应进行抑制,结合多尺度加权排列熵在检测振动信号随机性方面的优势,充分发挥VMD对信号的重构能力,对起始点后的故障段进行特征捕捉.通过实际轴承故障信号的实验及数据分析,验证了该方法在轴承故障预警中的有效性. 展开更多

关键词 谱熵梅尔积 改进变分模态分解 多尺度加权排列熵 轴承故障诊断

在线阅读 下载PDF 职称材料

融合多特征信息与GWO-SVM的机械关键设备故障诊断

12

作者 宋玲玲 王琳 +1 位作者 钟丽 李晨曦 《机械设计与制造》 北大核心 2024年第11期116-121,共6页

为了提高机械关键设备故障诊断的精度,建立机械关键设备故障诊断模型。文章提出一种融合机械关键设备故障信号多特征信息与灰狼优化算法(Grey Wolf Optimization Algorithm,GWO)改进支持向量机(Support Vector Machine,SVM)(GWO-SVM)的... 为了提高机械关键设备故障诊断的精度,建立机械关键设备故障诊断模型。文章提出一种融合机械关键设备故障信号多特征信息与灰狼优化算法(Grey Wolf Optimization Algorithm,GWO)改进支持向量机(Support Vector Machine,SVM)(GWO-SVM)的机械关键设备故障诊断模型。首先,提取机械关键设备故障信号的时域特征、频域特征和多尺度加权排列熵特征,分别对比不同特征的机械关键设备故障诊断结果。其次,为提高SVM模型性能,运用GWO算法对SVM模型的惩罚参数P和核函数参数g进行优化选择,提出一种融合多特征信息与GWO-SVM的机械设备故障诊断模型。与GA-SVM、PSO-SVM和SVM相比,基于GWO-SVM的机械设备故障诊断模型的诊断精度最高。这里算法可以有效提高机械关键设备故障诊断正确率,为机械关键设备故障诊断提供了新的方法。 展开更多

关键词 时域特征 灰狼优化算法 支持向量机 频域特征 多尺度加权排列熵

在线阅读 下载PDF 职称材料

RCMNAAPE在旋转机械故障诊断中的应用

13

作者 储祥冬 戴礼军 +3 位作者 涂金洲 罗震寰 于震 秦磊 《机电工程》 CAS 北大核心 2024年第6期1039-1049,共11页

针对精细复合多尺度排列熵(RCMPE)无法充分提取旋转机械振动信号中的故障信息,从而导致旋转机械故障识别准确率不稳定这一缺陷,提出了一种基于精细复合多尺度归一化幅值感知排列熵(RCMNAAPE)、拉普拉斯分数(LS)和灰狼算法优化支持向量机... 针对精细复合多尺度排列熵(RCMPE)无法充分提取旋转机械振动信号中的故障信息,从而导致旋转机械故障识别准确率不稳定这一缺陷,提出了一种基于精细复合多尺度归一化幅值感知排列熵(RCMNAAPE)、拉普拉斯分数(LS)和灰狼算法优化支持向量机(GWO-SVM)的旋转机械故障诊断方法。首先,利用幅值感知排列熵替换了RCMPE中的排列熵,提出了RCMNAAPE,并将其用于提取旋转机械振动信号的故障特征生成特征样本;随后,采用了LS从原始的高维故障特征向量中筛选出较少的能够更准确描述故障状态的特征,构造敏感特征样本;最后,将低维的故障特征向量输入由灰狼算法优化的支持向量机中进行了训练和测试,完成了旋转机械样本的故障识别和分类,利用滚动轴承和齿轮箱故障数据集将RCMNAAPE-LS-GWO-SVM与其他故障诊断方法进行了对比分析,并开展了评估。研究结果表明:基于RCMNAAPE-LS-GWO-SVM的故障诊断方法能够有效识别旋转机械的各类故障,其识别准确率高于其他对比的故障诊断方法,其中滚动轴承故障的识别准确率达到99.33%,齿轮箱故障的识别准确率达到98.67%。虽然,该方法的特征提取效率不佳,平均特征提取时间分别为153.02 s和163.98 s,仅优于精细复合多尺度模糊熵(RCMFE),但其综合性能更加优异。 展开更多

关键词 故障识别准确率 滚动轴承 齿轮箱 精细复合多尺度归一化幅值感知排列熵 拉普拉斯分数 灰狼优化支持向量机

在线阅读 下载PDF 职称材料

基于改进深度残差收缩网络的电缆早期故障识别 被引量：1

14

作者 唐丹 吴浩 +1 位作者 蔡源 郑超文 《科学技术与工程》 北大核心 2024年第28期12159-12168,共10页

电缆早期故障的多次发生易造成电缆出现永久性故障,给电网的稳定运行带来严重的影响。为了在永久性故障发生前准确识别出电缆早期故障,提出一种基于改进深度残差收缩网络的电缆早期故障识别方法。首先通过改进的完全自适应噪声经验模态... 电缆早期故障的多次发生易造成电缆出现永久性故障,给电网的稳定运行带来严重的影响。为了在永久性故障发生前准确识别出电缆早期故障,提出一种基于改进深度残差收缩网络的电缆早期故障识别方法。首先通过改进的完全自适应噪声经验模态分解方法(improved complete ensemble empirical mode decomposition with adaptive noise,ICEEMDAN)进行故障信号处理,并利用相关系数筛选本征模态函数(intrinsic mode functions,IMF);然后对IMF分量求其复合多尺度排列熵作为进一步的特征提取,以构建特征数据集;最后利用改进的收缩模块,多尺度卷积层、Self-Attention和SimAM注意力机制对深度残差收缩网络进行改进。使用改进的深度残差收缩网络进行电缆早期故障识别实验。实验结果表明:该算法能准确识别出电缆早期故障,且具有一定的抗干扰能力。 展开更多

关键词 电缆早期故障 改进的完全自适应噪声经验模态分解方法(ICEEMDAN) 复合多尺度排列熵 改进深度残差收缩网络 故障识别

在线阅读 下载PDF 职称材料

基于DIGWO-VMD-CMPE的轴承故障识别方法

15

作者 辛昊 鲁玉军 朱轩逸 《机电工程》 CAS 北大核心 2024年第2期205-215,共11页

针对滚动轴承故障信号特征提取困难和识别准确率低的问题,提出了一种基于维度学习的改进灰狼优化算法(DIGWO)优化变分模态分解(VMD)和复合多尺度排列熵(CMPE)的轴承故障识别方法。首先,采用基于维度学习的狩猎(DLH)搜索策略、余弦收敛因... 针对滚动轴承故障信号特征提取困难和识别准确率低的问题,提出了一种基于维度学习的改进灰狼优化算法(DIGWO)优化变分模态分解(VMD)和复合多尺度排列熵(CMPE)的轴承故障识别方法。首先,采用基于维度学习的狩猎(DLH)搜索策略、余弦收敛因子a和个体狼ω位置更新的方法将灰狼优化算法(GWO)改进为DIGWO,并利用DIGWO算法的自适应性优化VMD分解,得到了多个本征模态函数(IMFs);然后,利用复合多尺度排列熵计算IMFs的特征值,选取适当维数的特征,构建了故障特征向量;最后,利用DIGWO算法优化支持向量机(SVM)的惩罚系数C和径向基函数g,建立了DIGWO-SVM滚动轴承故障诊断分类器,并利用滚动轴承的振动数据验证了算法的有效性。研究结果表明:基于CMPE的DIGWO-SVM滚动轴承故障诊断方法能够有效地识别轴承的运行状况,识别准确率达到了99.42%,相较于PSO-SVM、SSA-SVM方法提高了7.75%、1.68%,证明了该方法的分类性能在滚动轴承故障诊断中更具优势。 展开更多

关键词 基于维度学习的改进灰狼优化算法 变分模态分解 复合多尺度排列熵 支持向量机 本征模态函数 基于维度学习的狩猎

在线阅读 下载PDF 职称材料

基于ICEEMDAN和IMWPE-LDA-BOA-SVM的齿轮箱损伤识别模型 被引量：4

16

作者 王洪 张锐丽 吴凯 《机电工程》 CAS 北大核心 2023年第11期1709-1717,共9页

针对齿轮箱振动信号中的背景噪声过大影响故障特征质量,进而降低故障识别准确率的问题,提出了一种基于改进自适应噪声完备集成经验模态分解(ICEEMDAN)、改进多尺度加权排列熵(IMWPE)、利用线性判别分析(LDA)、蝴蝶优化算法(BOA)优化支... 针对齿轮箱振动信号中的背景噪声过大影响故障特征质量,进而降低故障识别准确率的问题,提出了一种基于改进自适应噪声完备集成经验模态分解(ICEEMDAN)、改进多尺度加权排列熵(IMWPE)、利用线性判别分析(LDA)、蝴蝶优化算法(BOA)优化支持向量机(SVM)的齿轮箱故障诊断方法(ICEEMDAN-IMWPE-LDA-BOA-SVM)。首先,采用ICEEMDAN对齿轮箱振动信号进行了分解,生成了一系列从低频到高频分布的本征模态函数分量;接着,基于相关系数筛选出包含主要故障信息的本征模态函数分量,进行了信号重构,降低了信号的噪声;随后,提出了改进多尺度加权排列熵的非线性动力学指标,并利用其提取了重构信号的故障特征,以构建反映齿轮箱故障特性的故障特征;然后,利用线性判别分析(LDA)对原始故障特征进行了压缩,以构建低维的故障特征向量;最后,采用蝴蝶优化算法(BOA)对支持向量机(SVM)的惩罚系数和核函数参数进行了优化,以构建参数最优的故障分类器,对齿轮箱的故障进行了识别;基于齿轮箱复合故障数据集对ICEEMDAN-IMWPE-BOA-SVM方法进行了实验和对比分析。研究结果表明:该方法能够较为准确地识别齿轮箱的不同故障类型,准确率达到了99.33%,诊断时间只需5.31 s,在多个方面都优于其他对比方法,在齿轮箱的故障诊断中更具有应用潜力。 展开更多

关键词 故障特征提取 信号分解及信号重构 特征降维 改进自适应噪声完备集成经验模态分解 改进多尺度加权排列熵 线性判别分析 蝴蝶优化算法 支持向量机

在线阅读 下载PDF 职称材料

CMWPE结合SaE-ELM的轮对轴承故障诊断方法 被引量：2

17

作者 张龙 彭小明 +2 位作者 熊国良 吴荣真 胡俊锋 《机械科学与技术》 CSCD 北大核心 2023年第4期512-520,共9页

针对DF4型内燃机车轮对轴承不同故障状态的判别问题,提出了一种基于复合多尺度加权排列熵(Composit multiscale weighted permutation entropy, CMWPE)和自适应进化极限学习机(Self-adaptive evolutionary extreme learning machine, Sa... 针对DF4型内燃机车轮对轴承不同故障状态的判别问题,提出了一种基于复合多尺度加权排列熵(Composit multiscale weighted permutation entropy, CMWPE)和自适应进化极限学习机(Self-adaptive evolutionary extreme learning machine, SaE-ELM)的机车轮对轴承故障识别方法。CMWPE基于复合粗粒化和加权排列熵的思想,能很好地区分信号的不同模式。SaE-ELM通过自适应进化算法对极限学习机的输入权重、隐含层参数和输出权重进行优化,解决了ELM随机选取网络参数的局限性,提高了网络的泛化性能。计算机车轮对轴承不同健康状态下振动信号的CMWPE,利用SaE-ELM识别轴承所属故障类型及故障程度。在机务段的JL-501轴承检测台上采集了7种不同健康状态的轮对轴承试件的振动信号数据。结果表明:CMWPE特征提取效果优于MPE和MWPE;SaE-ELM模式识别效果优于参数不经优化的ELM。所提方法能够有效诊断机车轮对轴承的不同故障,且故障识别率达到100%。 展开更多

关键词 机车轮对轴承 故障诊断 特征提取 模式识别 复合多尺度加权排列熵 自适应进化极限学习机

在线阅读 下载PDF 职称材料

基于VMD与IMWPE的舰船辐射噪声特征提取研究

18

作者 丁元明 柳力嘉 +1 位作者 刘苏睿 杨阳 《舰船科学技术》 北大核心 2023年第4期121-127,共7页

舰船辐射噪声的特征提取是水下识别的依据,传统的特征提取可识别性较弱,水下识别较为困难。本文提出一种基于变分模态分解(variational mode decomposition, VMD)与改进多尺度加权排列熵(improved multisacle weighted permutation entr... 舰船辐射噪声的特征提取是水下识别的依据,传统的特征提取可识别性较弱,水下识别较为困难。本文提出一种基于变分模态分解(variational mode decomposition, VMD)与改进多尺度加权排列熵(improved multisacle weighted permutation entropy, IMWPE)相结合的方法进行特征提取,将原始信号通过VMD分解成多个固有模态函数(intrinsic mode function, IMF),选取能够充分体现目标复杂度特征的IMF作为研究对象,然后通过IMWPE方法采用平移均值法解决多尺度加权排列熵(multisacle weighted permutation entropy, MWPE)的单一粗粒化问题。实验数据表明,将本文算法与对比算法提取的特征参数经过粒子群优化的支持向量机(particle swarm optimization support vector machine, PSO-SVM)进行分类识别,IMWPE算法识别率最高,具有良好的稳定性和优越性。 展开更多

关键词 舰船辐射噪声 特征提取 VMD 改进多尺度加权排列熵

在线阅读 下载PDF 职称材料

基于FCMMWPE-BSASVM组合算法的调心球轴承故障诊断研究 被引量：1

19

作者 张昭晗 齐俊平 +1 位作者 李峰 崔金巍 《制造技术与机床》 北大核心 2022年第11期15-19,共5页

为了提高机械旋转系统上调心球轴承特征提取和故障识别能力,设计了一种精细复合多元多尺度加权排列熵(fine composite multivariate multi-scale weighted permutation entropy,FCMMWPE)与天牛须搜索支持向量机算法(beetle antennae sea... 为了提高机械旋转系统上调心球轴承特征提取和故障识别能力,设计了一种精细复合多元多尺度加权排列熵(fine composite multivariate multi-scale weighted permutation entropy,FCMMWPE)与天牛须搜索支持向量机算法(beetle antennae search algorithm-supportvectormachine,BSASVM)相结合的故障特征提取方法,并采用等度规映射(Isomap)进行故障识别,最后开展故障诊断实例分析。研究结果表明:采用FCMMWPE算法处理状态熵值达到最高,形成更平滑的熵值曲线,广义粗粒化方法具备明显优势。轴承产生局部故障时,形成具有规律特征的振动信号,表明采用FCMMWPE提取调心球轴承故障特征满足可靠性条件并具备明显优势。对文章构建的FCMMWPE与Isomap特征集进行运行故障识别时实现了99.9%的准确率,实现调心球轴承故障高效识别。BSASVM满足更优的故障识别性能,具备更优的模式识别性能和更高处理效率。该研究可以拓宽到其他的机械传动领域,具有很好的应用价值。 展开更多

关键词 精细复合多元多尺度加权排列熵 支持向量机 等度规映射 调心球轴承 故障诊断

在线阅读 下载PDF 职称材料

基于尖点突变理论和MWMPE的围岩稳定监测 被引量：6

20

作者 张建伟 李香瑞 +1 位作者 严鹏 王勇 《振动．测试与诊断》 EI CSCD 北大核心 2021年第6期1199-1205,1242,1243,共9页

为实时监测水电站地下厂房围岩运行情况,提出一种尖点突变理论和多通道加权多尺度排列熵(multichannel weighted multi-scale permutation entropy,简称MWMPE)相结合的监测方法。首先,结合某电站地下厂房围岩变形监测数据,将不同时间段... 为实时监测水电站地下厂房围岩运行情况,提出一种尖点突变理论和多通道加权多尺度排列熵(multichannel weighted multi-scale permutation entropy,简称MWMPE)相结合的监测方法。首先,结合某电站地下厂房围岩变形监测数据,将不同时间段日平均位移作为一系列特解,反演得到非线性动力模型;其次,采用尖点突变理论,建立围岩变形速率尖点突变模型,提出围岩稳定判据;然后,运用MWMPE的方法,对不同测点的变形监测信息进行动态融合,提取围岩变形特征值,确定围岩安全范围;最后,通过对比融合后熵值的变化,与传统多尺度排列熵(multi-scale permutation entropy,简称MPE)方法作比较,提出一种新的稳定预警线,对围岩进行在线安全监测、预警。结果表明:该方法能够有效提取地下厂房围岩变形特征值,并根据实时MWMPE值对围岩进行在线安全监测,为地下厂房等结构的围岩维持安全稳定提供了新的思路。 展开更多

关键词 围岩 稳定 突变理论 多通道加权多尺度排列熵 安全监测

在线阅读 下载PDF 职称材料