基于多元多尺度排列模糊熵的滚动轴承故障特征提取方法

1

作者 吕明辰 袁强 +2 位作者 周瑞平 刘虹 梁崇琨 《轴承》 北大核心 2025年第6期97-103,共7页

针对滚动轴承振动信号非线性、非周期性和高背景噪声的特点,提出了基于多元多尺度排列模糊熵(MvMPFE)的滚动轴承故障特征提取方法。该方法利用熵值计算在分析时间序列数据上的优势,结合多尺度模糊熵(MFE)的高计算精度和多尺度排列熵(MPE... 针对滚动轴承振动信号非线性、非周期性和高背景噪声的特点,提出了基于多元多尺度排列模糊熵(MvMPFE)的滚动轴承故障特征提取方法。该方法利用熵值计算在分析时间序列数据上的优势,结合多尺度模糊熵(MFE)的高计算精度和多尺度排列熵(MPE)的高抗噪能力,建立多尺度排列模糊熵(MPFE)故障特征提取模型,解决了熵值计算不稳定的问题,并在MPFE基础上引入多元粗粒形式,提出了MvMPFE的故障特征提取方法,解决了故障特征参数在计算过程中信息丢失的问题,增强了对故障信息的敏感度,从而更加全面和准确地提取滚动轴承故障特征。在凯斯西储大学轴承数据集及东南大学轴承数据集上的验证结果表明,基于MvMPFE的滚动轴承故障特征提取方法有良好的故障特征提取能力,能够全面和准确地识别轴承状态。 展开更多

关键词 滚动轴承 故障诊断 特征提取 信号处理 多元多尺度排列模糊熵

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

2

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

3

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

基于集成精细复合多元多尺度模糊熵的齿轮箱故障诊断 被引量：1

4

作者 杨小强 宫建成 +1 位作者 安立周 刘晓明 《机电工程》 CAS 北大核心 2023年第3期335-343,共9页

针对齿轮箱故障信号具有非线性和非平稳性的特点,且目前的方法对其特征提取不够充分这一问题,对不同形式粗粒化方法的集成、多通道信号处理方法在模糊熵算法上的应用进行了研究,提出了一种新的特征提取方法,即集成精细复合多元多尺度模... 针对齿轮箱故障信号具有非线性和非平稳性的特点,且目前的方法对其特征提取不够充分这一问题,对不同形式粗粒化方法的集成、多通道信号处理方法在模糊熵算法上的应用进行了研究,提出了一种新的特征提取方法,即集成精细复合多元多尺度模糊熵(ERCmvMFE)算法,在此基础上,结合t分布随机邻域嵌入(t-SNE)和人工鱼群算法优化的核极限学习机(AFSA-KELM),提出了一种新的齿轮箱故障综合诊断方法。首先,采用多种形式粗粒化方法的集成方法以及多通道信号处理方法,对模糊熵算法进行了改进,并进行了齿轮箱故障的初始特征提取;然后,通过t-SNE压缩原始故障特征,实现了维数的约简,并将低维故障特征输入至AFSA-KELM中进行了故障的分类识别;最后,为了对ERCmvMFE方法的特征提取性能进行测试,采用QPZZ-II旋转机械故障模拟测试平台进行了相关的实验。实验结果表明:采用新的齿轮箱故障综合诊断方法能够对不同类型的齿轮箱故障进行可靠诊断,对齿轮箱5种工况下的20次识别实验中,获得的平均准确率可达98.92%,标准差为0.956,识别准确率和稳定性均优于其他对比方法。研究结果表明:采用ERCmvMFE算法能够更充分地提取出齿轮箱的故障特征,因此,基于该特征提取方法的故障诊断方法具有更高的齿轮箱故障识别准确率。 展开更多

关键词 集成精细复合多元多尺度模糊熵 人工鱼群算法优化的核极限学习机 t分布随机邻域嵌入 特征提取 多粗粒化处理 多通道信号处理 故障分类识别

在线阅读 下载PDF 职称材料

基于变分模态分解和多尺度排列熵的故障诊断 被引量：47

5

作者 陈东宁 张运东 +2 位作者 姚成玉 来博文 吕世君 《计算机集成制造系统》 EI CSCD 北大核心 2017年第12期2604-2612,共9页

为稳定提取滚动轴承故障特征,提出一种基于变分模态分解和多尺度排列熵的故障特征提取方法,并采用GK模糊聚类对轴承故障进行识别分类。首先对滚动轴承振动信号进行变分模态分解,得到包含故障特征信息的模态分量;进而利用多尺度排列熵量... 为稳定提取滚动轴承故障特征,提出一种基于变分模态分解和多尺度排列熵的故障特征提取方法,并采用GK模糊聚类对轴承故障进行识别分类。首先对滚动轴承振动信号进行变分模态分解,得到包含故障特征信息的模态分量;进而利用多尺度排列熵量化各模态分量的故障特征,取各模态分量多尺度排列熵的平均值作为特征向量;最后通过GK模糊聚类分析获得故障样本的标准聚类中心,采用欧式贴近度进行故障识别分类。将所提方法应用于滚动轴承实验数据,通过分类系数与平均模糊熵对分类效果进行检验,并与经验模态分解多尺度排列熵结合GK模糊聚类的方法进行对比,结果表明,所提方法具有更好的分类性能,其故障诊断精度更高。 展开更多

关键词 故障诊断 滚动轴承 变分模态分解 多尺度排列熵 GK模糊聚类

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

6

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

基于优化变分模态分解和多尺度熵特征的铣削颤振监测研究 被引量：1

7

作者 朱晓慧 刘长福 +1 位作者 于新丽 刘博 《工具技术》 北大核心 2024年第8期140-149,共10页

在加工低刚度工件时,颤振是影响表面质量、加工效率和刀具寿命等方面的重要因素。为更准确地识别铣削加工状态,提出了一种新的颤振特征提取方法。利用梳状滤波器和经验模态分解对原始信号进行预处理;基于皮尔逊相关系数对本征模态函数(I... 在加工低刚度工件时,颤振是影响表面质量、加工效率和刀具寿命等方面的重要因素。为更准确地识别铣削加工状态,提出了一种新的颤振特征提取方法。利用梳状滤波器和经验模态分解对原始信号进行预处理;基于皮尔逊相关系数对本征模态函数(IMF)进行重构,利用灰狼优化算法(GWO)获得变分模态分解(VMD)的最优参数;计算各子频率带的能量熵特征,获得具有丰富颤振信息的频带;应用多尺度排列熵(MPE)和多尺度模糊熵(MFE)作为颤振特征,基于熵的取值范围,在各加工状态下选择最佳尺度特征。结果表明,该方法基于最佳尺度可以有效提取敏感颤振特征。 展开更多

关键词 颤振监测 灰狼优化 VMD 多尺度排列熵 多尺度模糊熵

在线阅读 下载PDF 职称材料

融合CEEMD_MPE和GK模糊聚类的故障识别方法 被引量：7

8

作者 赵荣珍 孙泽金 《振动工程学报》 EI CSCD 北大核心 2020年第3期629-635,共7页

针对转子故障信号非线性、非平稳性的特点,提出了一种基于互补集合经验模态分解、多尺度排列熵和GK聚类的故障特征提取和识别方法。首先采用互补集合经验模态分解对故障信号进行分解,依据相关系数原则,选取相关系数最大的模态分量作为... 针对转子故障信号非线性、非平稳性的特点,提出了一种基于互补集合经验模态分解、多尺度排列熵和GK聚类的故障特征提取和识别方法。首先采用互补集合经验模态分解对故障信号进行分解,依据相关系数原则,选取相关系数最大的模态分量作为分析对象;然后利用多尺度排列熵量化模态分量的故障特征作为特征向量;最后,将经过PCA(Principal Component Analysis)降维后的低维特征集输入到GK模糊聚类算法中进行故障识别分类。将所提方法应用于典型转子实验台的故障特征集,通过分类系数与划分熵对分类效果进行检验,并与其他模式组合方法进行比较。结果表明,本文所提方法能够更有效提取故障特征。 展开更多

关键词 故障诊断 互补集合经验模态分解 多尺度排列熵 GK模糊聚类

在线阅读 下载PDF 职称材料

改进EWT_MPE模型在矿山微震信号特征提取中的应用 被引量：7

9

作者 程铁栋 易其文 +4 位作者 吴义文 戴聪聪 蔡改贫 杨丽荣 尹宝勇 《振动与冲击》 EI CSCD 北大核心 2021年第9期92-101,共10页

针对矿山微震与爆破振动信号难以自动辨识的问题,提出了一种基于改进EWTMPE(经验小波变换多尺度排列熵)的信号特征提取方法,并应用于矿山微震信号特征提取中。针对EWT在以往处理复杂信号频谱出现的过切分问题提出了新的改进方法,并采用... 针对矿山微震与爆破振动信号难以自动辨识的问题,提出了一种基于改进EWTMPE(经验小波变换多尺度排列熵)的信号特征提取方法,并应用于矿山微震信号特征提取中。针对EWT在以往处理复杂信号频谱出现的过切分问题提出了新的改进方法,并采用仿真信号验证了改进算法的可行性和准确性。将实际采集到的微震与爆破信号进行改进EWT分解,借助相关性分析从分解得到的本征模态函数(intrinsic mode function,IMF)分量中筛选出最优分量IMF1~IMF5。进而将筛选到的IMF分量进行重构,并计算重构信号的MPE值。应用GK模糊聚类算法对微震与爆破振动信号进行分类识别。结果表明,微震信号的MPE值要小于爆破信号的MPE值,且当嵌入维数m=5,尺度因子s=12,延迟时间τ=1时,两种信号的MPE值差异最大。基于改进EWT_MPE_GK模糊聚类算法的分类识别准确率达到93.5%,平均模糊熵(E)更接近0、分类系数(C)更接近1,与传统EWT_MPE_GK模糊聚类和EMD_MPE_GK模糊聚类相比,其聚类效果更优、识别准确率分别提高了3%和5.5%。 展开更多

关键词 经验小波变换 多尺度排列熵 Gustafson-kessel(GK)模糊聚类 特征提取 分类识别

在线阅读 下载PDF 职称材料

基于参数优化MPE与FCM的滚动轴承故障诊断 被引量：5

10

作者 陈东宁 张运东 +2 位作者 姚成玉 来博文 吕世君 《轴承》 北大核心 2017年第5期33-38,44,共7页

为精确提取滚动轴承振动信号的故障特征,提出了一种基于参数优化多尺度排列熵与模糊C均值聚类的故障诊断方法。首先,针对多尺度排列熵算法的参数确定问题,综合考虑参数之间的交互影响,基于遗传算法与微粒群算法对参数进行优化;然后,利... 为精确提取滚动轴承振动信号的故障特征,提出了一种基于参数优化多尺度排列熵与模糊C均值聚类的故障诊断方法。首先,针对多尺度排列熵算法的参数确定问题,综合考虑参数之间的交互影响,基于遗传算法与微粒群算法对参数进行优化;然后,利用参数优化多尺度排列熵对滚动轴承振动信号进行特征提取,并通过模糊C均值聚类确定标准聚类中心;最后,采用Euclid贴近度对故障样本进行分类。通过分类系数与平均模糊熵检验聚类效果,证明了多尺度排列熵参数优化的有效性;与单一尺度排列熵、样本熵结合模糊C均值聚类方法的对比分析表明,基于参数优化多尺度排列熵与模糊C均值聚类的故障诊断方法具有更高的故障识别率和更广阔的适用范围。 展开更多

关键词 滚动轴承 故障诊断 参数优化 多尺度排列熵 遗传算法 微粒群算法 模糊C均值聚类

在线阅读 下载PDF 职称材料

基于VMD_MPE和FCM聚类的变转速工况下转子不平衡故障诊断方法 被引量：9

11

作者 钟志贤 马李奕 +2 位作者 蔡忠侯 段一戬 陈金华 《振动与冲击》 EI CSCD 北大核心 2022年第14期290-298,共9页

旋转机械在变转速工况下转子不平衡故障诊断问题一直是故障诊断领域的难点,为解决该问题,提出一种基于变分模态分解(variational mode decomposition,VMD)与多尺度排列熵(multiscale permutation entropy,MPE)和模糊C均值(fuzzy C means... 旋转机械在变转速工况下转子不平衡故障诊断问题一直是故障诊断领域的难点,为解决该问题,提出一种基于变分模态分解(variational mode decomposition,VMD)与多尺度排列熵(multiscale permutation entropy,MPE)和模糊C均值(fuzzy C means,FCM)聚类结合的故障诊断方法(VMD_MPE-FCM)。首先,用VMD对转子的振动信号进行处理,得到若干本征模态分量(intrinsic mode function,IMF);然后,根据转子不平衡故障时一倍频(1×)处振幅剧烈增加的现象,从VMD得到的各IMF频谱图中筛选出最能表征转子不平衡故障特征的IMF;进而采用MPE法对筛选出的IMF进行量化;最后,将量化所得值作为特征向量输入FCM,得到各转速工况下的标准聚类中心,采用择近原则,运用模糊贴近算法计算出待识别数据与标准聚类中心的贴近度,从而实现变转速工况下转子不平衡的故障识别。在转子试验台上采用VMD_MPE-FCM法进行了变转速工况下转子不平衡故障诊断试验,试验结果表明:该方法是有效的,可以准确、高效地提取出转子故障特征,能够很好地识别出不同转速工况下转子的不平衡故障。 展开更多

关键词 变转速工况 转子不平衡故障 变分模态分解(VMD) 多尺度排列熵(MPE) 模糊C均值(FCM) 故障诊断

在线阅读 下载PDF 职称材料

基于QPSO‐MPE的滚动轴承故障识别方法 被引量：9

12

作者 王望望 邓林峰 +1 位作者 赵荣珍 张爱华 《振动．测试与诊断》 EI CSCD 北大核心 2021年第1期62-68,200,201,共9页

为准确辨识滚动轴承故障类型,提出了一种基于量子粒子群优化多尺度排列熵(quantum⁃behaved particle swarm optimization and multi⁃scale permutation entropy,简称QPSO⁃MPE)的滚动轴承故障识别方法。首先,对滚动轴承的原始振动信号进... 为准确辨识滚动轴承故障类型,提出了一种基于量子粒子群优化多尺度排列熵(quantum⁃behaved particle swarm optimization and multi⁃scale permutation entropy,简称QPSO⁃MPE)的滚动轴承故障识别方法。首先,对滚动轴承的原始振动信号进行集成经验模态分解(ensemble empirical mode decomposition,简称EEMD),得到一系列内禀模态分量(intrinsic mode function,简称IMF)和一个趋势项,并以峭度作为度量指标筛选出含有主要故障特征信息的IMF来重构振动信号;然后,利用量子粒子群优化算法对多尺度排列熵的关键参数进行优化,得到其模型计算重构信号的多尺度排列熵,从而构建轴承故障的多尺度排列熵特征集;最后,将故障特征集输入GG(Gath⁃Geva)模糊聚类算法进行聚类识别。实验结果表明,基于QPSO⁃MPE的滚动轴承故障识别方法可实现滚动轴承典型故障的准确辨识,证明了QPSO⁃MPE在故障特征提取方面的有效性。 展开更多

关键词 滚动轴承故障识别 量子粒子群优化 多尺度排列熵 集成经验模态分解 GG模糊聚类

在线阅读 下载PDF 职称材料

基于MMFE和可拓k-medoids聚类的轴承性能退化评估 被引量：4

13

作者 赵聪聪 刘玉梅 +2 位作者 赵颖慧 白杨 施继红 《振动与冲击》 EI CSCD 北大核心 2022年第17期123-130,159,共9页

传统轴承性能退化评估常为定性分析,且多以垂向振动信号为对象,忽略了不同方向振动信息之间的相关性。将评价多通道时间序列复杂度的多元多尺度熵引入到轴承运行状态的特征提取,构建多元多尺度模糊熵特征来考虑轴承不同方向振动信息之... 传统轴承性能退化评估常为定性分析,且多以垂向振动信号为对象,忽略了不同方向振动信息之间的相关性。将评价多通道时间序列复杂度的多元多尺度熵引入到轴承运行状态的特征提取,构建多元多尺度模糊熵特征来考虑轴承不同方向振动信息之间的关联性。结合k-medoids算法和可拓学理论建立了轴承性能退化的定量评估模型。通过对轴承正常状态样本进行k-medoids聚类得到聚类中心,根据样本点与聚类中心之间的欧式距离确定可拓集合的边界,进一步利用可拓关联函数构建轴承性能退化评估模型,并采用轴承全寿命疲劳试验进行了验证。试验结果表明,本文所提方法能有效识别轴承的早期性能退化,并能实现对轴承性能退化程度的定量评估。 展开更多

关键词 轴承 性能退化 多元多尺度模糊熵 k-medoids算法 可拓学

在线阅读 下载PDF 职称材料

ALIF-MMPE结合DAG-SVM的滚动轴承故障诊断 被引量：9

14

作者 韩美东 张金豹 赵永强 《机械科学与技术》 CSCD 北大核心 2020年第9期1358-1365,共8页

针对滚动轴承故障诊断中非平稳振动信号下的有效故障特征提取问题,提出一种基于自适应局部迭代滤波、多元多尺度排列熵和有向无环图算法支持向量机的滚动轴承故障诊断方法。自适应局部迭代滤波通过构建自适应滤波函数,能够有效抑制噪声... 针对滚动轴承故障诊断中非平稳振动信号下的有效故障特征提取问题,提出一种基于自适应局部迭代滤波、多元多尺度排列熵和有向无环图算法支持向量机的滚动轴承故障诊断方法。自适应局部迭代滤波通过构建自适应滤波函数,能够有效抑制噪声和模态混叠,经自适应分解后得到若干本征模态函数。仿真结果表明其效果优于经验模态分解。然后利用多元多尺度排列熵对包含显著故障信息的本征模态函数进行信息融合和特征提取,组成故障状态特征集。采用主成分分析对故障状态特征集进行降维,随机抽取部分样本带入有向无环图算法支持向量机中进行训练,其它则作为测试样本进行故障识别和诊断。试验故障诊断结果表明:自适应局部迭代滤波下多元多尺度排列熵优于多个本征模态函数下的多尺度排列熵和经验模态分解下的多元多尺度排列熵;本文方法能准确地识别滚动轴承不同的故障类型及故障程度。 展开更多

关键词 轴承故障诊断 自适应局部迭代滤波 多元多尺度排列熵 有向无环图算法支持向量机

在线阅读 下载PDF 职称材料

基于VMD-MMPE的轧机轴承滚动体与保持架故障诊断 被引量：5

15

作者 计江 赵琛 王勇勤 《振动．测试与诊断》 EI CSCD 北大核心 2023年第2期290-297,409,共9页

针对板带轧机轴承工作环境恶劣、保持架与滚动体极易损坏、信号噪声大、识别困难以及实际工况对诊断速度要求高等问题,首先,提出粒子群优化变分模态分解(particle swarm optimization-variational mode decomposition,简称PSO-VMD)和多... 针对板带轧机轴承工作环境恶劣、保持架与滚动体极易损坏、信号噪声大、识别困难以及实际工况对诊断速度要求高等问题,首先,提出粒子群优化变分模态分解(particle swarm optimization-variational mode decomposition,简称PSO-VMD)和多元多尺度排列熵(multivariate multiscale permutation entropy,简称MMPE)的故障诊断方法,并结合粒子群优化支持向量机(particle swarm optimization-support vector machine,简称PSO-SVM)实现故障分类;其次,轴承振动信号经VMD处理为若干模态分量(intrinsic mode functions,简称IMF),选最优分量进行包络分析;然后,针对轧机轴承垂直水平轴向振动差别较大且受较大径向力与轴向力的特点,采用MMPE并考虑3维振动信号的4个分量的MMPE值与时域指标组成特征向量;最后,基于PSO-SVM模型对方法的有效性进行验证。计算和实验结果与集合经验模态分解(ensemble empirical mode decomposition,简称EEMD)与局部均值分解(local mean decomposition,简称LMD)方法对比表明,VMD-MMPE可以优化模型的输入,提高模型的诊断正确率和速度,实现轴承保持架与滚动体不同部位和不同损伤程度的故障诊断,具有重要的工程意义。 展开更多

关键词 轧机轴承 变分模态分解 包络谱 多元多尺度排列熵 粒子群优化支持向量机 故障诊断

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

16

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

电磁轴承保护轴承在线衰退评估研究 被引量：2

17

作者 邓航 时振刚 +3 位作者 莫逆 孙喆 赵晶晶 刘兴男 《原子能科学技术》 EI CAS CSCD 北大核心 2022年第S01期200-210,共11页

保护轴承是电磁轴承结构的最后一道安全屏障。由于拆机检查成本较高,且因为保护轴承的特殊性,拆机后单独对保护轴承检查难以判断其还能否继续工作,迫切需要一种在线评估方法。本文首先开展电磁轴承高速跌落试验,直到某型号保护轴承完全... 保护轴承是电磁轴承结构的最后一道安全屏障。由于拆机检查成本较高,且因为保护轴承的特殊性,拆机后单独对保护轴承检查难以判断其还能否继续工作,迫切需要一种在线评估方法。本文首先开展电磁轴承高速跌落试验,直到某型号保护轴承完全失效。记录每次高速跌落前转子低速跌落过程中的位移数据。基于上述数据,分别应用多尺度排列熵、马氏距离、多尺度模糊熵等方法,研究保护轴承随着高速跌落次数增加的衰退规律。研究发现,应用多尺度模糊熵指标可反映多次高速跌落后保护轴承性能的衰退,实现对保护轴承性能在线评估。马氏距离指标也可用于辅助判断,但效果不如多尺度模糊熵方法。而多尺度排列熵指标不适合这一应用。 展开更多

关键词 电磁轴承 保护轴承 跌落试验 在线故障诊断 衰退评估 多尺度模糊熵 马氏距离 多尺度排列熵

在线阅读 下载PDF 职称材料