基于VMD-多尺度排列熵和SVM的船用空压机故障诊断方法 被引量：1

1

作者 胡以怀 李从跃 +3 位作者 沈威 崔德馨 张成 芮晓松 《中国测试》 CAS 北大核心 2024年第6期20-27,共8页

船用机械振动信号存在非线性、非平稳性问题,故障特征难提取,通过变分模态分解(variational mode decomposition,VMD)多尺度排列熵(multiscale permutation entropy,MPE)与支持向量机(support vector machine,SVM)融合的故障诊断方法,... 船用机械振动信号存在非线性、非平稳性问题,故障特征难提取,通过变分模态分解(variational mode decomposition,VMD)多尺度排列熵(multiscale permutation entropy,MPE)与支持向量机(support vector machine,SVM)融合的故障诊断方法,对振动信号进行研究。以空压机为例,首先,模拟6种空压机工况,对各工况的热工参数进行测试,分析各工况热工参数的变化程度,并对采集的振动信号进行频域分析。然后通过VMD对振动信号进行分解,得到一系列固有模态分量,计算与原始信号的互相关系数筛选敏感固有模态分量。最后计算出敏感固有模态分量的多尺度排列熵,将其作为特征向量,输入到SVM中,进行故障辨识。实验结果表明:VMD多尺度排列熵与SVM融合的空压机故障辨识方法,能有效地识别故障类型,整体准确率可保持在98.6667%,将此方法与其他方法进行对比,证明此方法有效。 展开更多

关键词 船用往复式空压机 变分模态分解 多尺度排列熵 故障诊断

在线阅读 下载PDF 职称材料

基于ICEEMDAN-多尺度排列熵的拆除爆破振动信号降噪研究 被引量：2

2

作者 康怡泽 姚颖康 +2 位作者 董润龙 贾永胜 谢全民 《振动与冲击》 EI CSCD 北大核心 2024年第13期275-287,共13页

由于工程环境、炸药爆炸等因素影响,实测建(构)筑物爆破拆除所产生的低频振动信号常受到噪声干扰。提出改进的自适应噪声完全集合经验模态分解(improved complete ensemble empirical mode decomposition with adaptive noise, ICEEMDAN... 由于工程环境、炸药爆炸等因素影响,实测建(构)筑物爆破拆除所产生的低频振动信号常受到噪声干扰。提出改进的自适应噪声完全集合经验模态分解(improved complete ensemble empirical mode decomposition with adaptive noise, ICEEMDAN)与多尺度排列熵联合的降噪算法,并运用皮尔逊系数、信噪比和均方误差来验证所用算法的可行性。对实测拆除爆破塌落触地振动信号进行降噪处理,通过频谱分析以及各类指标对比表明,该联合降噪方法能够有效降低拆除爆破振动信号中的噪声,并且对信号的低频能量影响较小,降噪效果显著,为拆除爆破振动信号分析和处理提供了一种新的有效的方法。 展开更多

关键词 拆除爆破 振动信号 改进的自适应噪声完全集合经验模态分解(ICEEMDAN) 多尺度排列熵 信号降噪

在线阅读 下载PDF 职称材料

基于均匀量化的二维多尺度排列熵算法

3

作者 王大铭 史鹏飞 +3 位作者 雷一航 边皓冉 梁敏 常利伟 《通信学报》 CSCD 北大核心 2024年第S1期75-86,共12页

为了解决将排列熵算法扩展到二维时,子序列中相等值会导致某些排列模式的概率增加的问题,提出了一种基于均匀量化的二维多尺度排列熵(MUPE_(2D))算法。算法通过基于均匀量化重新定义排列模式,消除了相等值对计算的影响。使用MUPE_(2D)... 为了解决将排列熵算法扩展到二维时,子序列中相等值会导致某些排列模式的概率增加的问题,提出了一种基于均匀量化的二维多尺度排列熵(MUPE_(2D))算法。算法通过基于均匀量化重新定义排列模式,消除了相等值对计算的影响。使用MUPE_(2D)算法对各种合成纹理、MIX_(2D)(p)图像和加密图像进行了研究,结果表明,即使图像中存在大量等值,MUPE_(2D)算法也能有效量化加密图像的复杂性和信息隐藏能力。综上所述,MUPE_(2D)算法为评估图像复杂度提供了一种有效的手段。 展开更多

关键词 二维排列熵 多尺度熵 加密图像分析 纹理分析

在线阅读 下载PDF 职称材料

基于CEEMDAN多尺度改进排列熵和SVM的空化噪声特征提取

4

作者 兀成龙 高翰林 +1 位作者 朱丹丹 李亚安 《振动与冲击》 EI CSCD 北大核心 2024年第13期190-197,216,共9页

当水下航行器处于高速航行时就会形成空化噪声,所产生的噪声会严重影响水下航行器的性能和安全。螺旋桨噪声包含着丰富的空化信息,是识别空化状态的有效手段。针对改进排列熵在单尺度下对原信号进行分析,无法有效区分不同空化状态,提出... 当水下航行器处于高速航行时就会形成空化噪声,所产生的噪声会严重影响水下航行器的性能和安全。螺旋桨噪声包含着丰富的空化信息,是识别空化状态的有效手段。针对改进排列熵在单尺度下对原信号进行分析,无法有效区分不同空化状态,提出了将改进排列熵与自适应噪声完备经验模态分解(complete ensemble empirical mode decomposition with adaptive noise, CEEMDAN)相结合的空化噪声特征提取方法。首先,采用CEEMDAN方法对水下航行器螺旋桨的空化噪声进行分解,提取具有空化特征的固有模态函数(intrinsic mode function, IMF)分量;其次,选取相关系数最高的IMF分量并计算其多尺度改进排列熵(multi-scale improved permutation entropy, MIPE);最后,基于多尺度改进排列熵,建立支持向量机的特征分类模型。仿真和试验结果表明,该方法具有更好的可分性。 展开更多

关键词 多尺度改进排列熵(MIPE) 自适应噪声完备经验模态分解(CEEMDAN) 空化噪声 特征提取

在线阅读 下载PDF 职称材料

基于广义复合多尺度排列熵与PCA的滚动轴承故障诊断方法 被引量：29

5

作者 郑近德 刘涛 +1 位作者 孟瑞 刘庆运 《振动与冲击》 EI CSCD 北大核心 2018年第20期61-66,共6页

多尺度排列熵能够有效地反映滚动轴承振动信号的随机性变化和非线性动力学突变行为。针对其多尺度过程中粗粒化方式的不足,提出了广义复合多尺度排列熵(Generalized Composite Multiscale Permutation Entropy,GCMPE)。研究了参数对GCMP... 多尺度排列熵能够有效地反映滚动轴承振动信号的随机性变化和非线性动力学突变行为。针对其多尺度过程中粗粒化方式的不足,提出了广义复合多尺度排列熵(Generalized Composite Multiscale Permutation Entropy,GCMPE)。研究了参数对GCMPE计算的影响,并通过分析仿真数据将GCMPE与MPE进行了对比。将GCMPE应用于滚动轴承非线性故障特征的提取,提出一种基于GCMPE、主元分析和支持向量机的滚动轴承智能故障诊断方法。将提出的方法应用于实验数据分析,结果表明,所提方法能够有效地实现滚动轴承故障诊断,且故障识别率较高。 展开更多

关键词 排列熵 多尺度排列熵 主分量分析 滚动轴承 故障诊断

在线阅读 下载PDF 职称材料

基于多尺度均值排列熵和参数优化支持向量机的轴承故障诊断 被引量：43

6

作者 王贡献 张淼 +2 位作者 胡志辉 向磊 赵博琨 《振动与冲击》 EI CSCD 北大核心 2022年第1期221-228,共8页

针对滚动轴承故障诊断中特征提取困难和模式识别准确率低等问题,提出了一种基于多尺度均值排列熵(MMPE)和灰狼优化支持向量机(GWO-SVM)结合的故障诊断方法。利用MMPE全面表征滚动轴承故障特征信息,选取适当维数特征构成样本数据集,采用G... 针对滚动轴承故障诊断中特征提取困难和模式识别准确率低等问题,提出了一种基于多尺度均值排列熵(MMPE)和灰狼优化支持向量机(GWO-SVM)结合的故障诊断方法。利用MMPE全面表征滚动轴承故障特征信息,选取适当维数特征构成样本数据集,采用GWO-SVM分类器进行故障模式识别。对所提基于MMPE和GWO-SVM故障诊断方法进行理论分析和研究,并利用滚动轴承试验数据进行相应对比试验分析,结果表明:MMPE能够有效提取滚动轴承故障特征信息;GWO-SVM识别准确率和识别速度优于滚动轴承故障诊断其它常用参数优化支持向量机;所提方法能够有效识别滚动轴承故障位置和故障程度,在滚动轴承数据集上取得了98.0%的故障识别准确率,高于基于MPE和GWO-SVM方法的97.0%准确率,并且在噪声背景下取得了93.5%的识别准确率,优于后者83.0%准确率,证明了所提MMPE具有更好的噪声鲁棒性。 展开更多

关键词 滚动轴承 故障诊断 多尺度均值排列熵 灰狼优化 支持向量机

在线阅读 下载PDF 职称材料

多尺度排列熵在涡旋压缩机故障诊断中的应用 被引量：8

7

作者 刘涛 马转霞 杜楠 《兰州理工大学学报》 CAS 北大核心 2018年第1期42-46,共5页

针对传统的单尺度信号分析在故障特征的表达上有很大的局限性,引入多尺度排列熵,对不同尺度下的涡旋压缩机振动信号进行了定量分析,并通过马氏距离实施故障诊断.实验结果表明,与单尺度排列熵相比,多尺度排列熵能够对不同故障的复杂性进... 针对传统的单尺度信号分析在故障特征的表达上有很大的局限性,引入多尺度排列熵,对不同尺度下的涡旋压缩机振动信号进行了定量分析,并通过马氏距离实施故障诊断.实验结果表明,与单尺度排列熵相比,多尺度排列熵能够对不同故障的复杂性进行准确的描述,反映了不同尺度下故障特征的变化趋势.此外,选择合适尺度下的排列熵作为故障诊断的特征参数,既节省了时间,又可以提高诊断的准确率. 展开更多

关键词 涡旋压缩机 多尺度分析 排列熵 马氏距离 故障诊断

在线阅读 下载PDF 职称材料

基于小波包分解多尺度排列熵及2阶特征选择的转辙机故障诊断方法 被引量：8

8

作者 孙永奎 曹源 +1 位作者 李鹏 李旭 《中国铁道科学》 EI CAS CSCD 北大核心 2023年第3期178-188,共11页

针对转辙机高精度故障诊断的需求,结合声音信号非接触、易采集等优势,提出一种基于声音信号的非接触式故障诊断方法。首先,基于小波包分解与多尺度排列熵,实现对声音样本的特征提取;其次,提出基于ReliefF和二进制粒子群优化算法的2阶特... 针对转辙机高精度故障诊断的需求,结合声音信号非接触、易采集等优势,提出一种基于声音信号的非接触式故障诊断方法。首先,基于小波包分解与多尺度排列熵,实现对声音样本的特征提取;其次,提出基于ReliefF和二进制粒子群优化算法的2阶特征选择方法,得到最佳特征集合,实现对声音样本的特征选择;最后,基于支持向量机算法对最佳特征集进行训练和测试,完成对转辙机的故障诊断。依托10种常见工况下共计800组声音样本开展实验,结果表明:该方法在反位—定位和定位—反位转换过程中得到的特征点数分别为13和39个,故障诊断准确率分别为99.67%和100%;相比于单一特征选择方法,采用的2阶特征选择方法能够大大降低特征维度,提高故障诊断准确率;相比于k近邻和线性判别分析这2种分类器,支持向量机分类器在转辙机故障诊断中更具优势。 展开更多

关键词 转辙机 故障诊断 小波包分解 多尺度排列熵 2阶特征选择 支持向量机

在线阅读 下载PDF 职称材料

基于小波尺度谱重排与小波排列熵的自动机故障诊断 被引量：4

9

作者 潘宏侠 马百雪 许昕 《火炮发射与控制学报》 北大核心 2015年第2期64-67,共4页

用小波包变换对自动机振动响应信号进行时频分析,提出了对每层小波包系数进行小波尺度谱重排处理,计算了每层小波系数的排列熵,并以此作为自动机短时瞬态冲击时微弱故障信号的特征量,使用支持向量机对特征量进行故障分类识别,结果表明,... 用小波包变换对自动机振动响应信号进行时频分析,提出了对每层小波包系数进行小波尺度谱重排处理,计算了每层小波系数的排列熵,并以此作为自动机短时瞬态冲击时微弱故障信号的特征量,使用支持向量机对特征量进行故障分类识别,结果表明,该方法能有效地提取特征值并识别微弱故障,可较好地解决自动机的故障诊断问题。 展开更多

关键词 自动机 小波尺度重排 排列熵 支持向量机 故障诊断

在线阅读 下载PDF 职称材料

基于多尺度排列熵的波纹管压浆超声检测 被引量：2

10

作者 郑豪 韩庆邦 +2 位作者 许洲琛 彭浩 王鹏 《声学技术》 CSCD 北大核心 2016年第6期531-536,共6页

将多尺度排列熵引入波纹管压浆质量检测中,对不同注浆密实程度的波纹管进行超声检测,对回波信号进行分析。为了检测信号在不同尺度下的动力学特征,提出了一种基于多尺度排列熵偏均值的波纹管压浆质量检测方法,利用有限元进行仿真,仿真... 将多尺度排列熵引入波纹管压浆质量检测中,对不同注浆密实程度的波纹管进行超声检测,对回波信号进行分析。为了检测信号在不同尺度下的动力学特征,提出了一种基于多尺度排列熵偏均值的波纹管压浆质量检测方法,利用有限元进行仿真,仿真结果表明,波纹管压浆质量越差,回波信号对应的排列熵偏均值越小。实际模型的处理结果表明该指标能够有效地判断波纹管压浆质量。 展开更多

关键词 多尺度排列熵 偏均值 波纹管

在线阅读 下载PDF 职称材料

基于小波尺度谱重排与排列熵的自动机故障诊断

11

作者 潘龙 潘宏侠 马白雪 《探测与控制学报》 CSCD 北大核心 2015年第3期100-104,共5页

针对传统的自动机故障诊断方法检测与诊断维修成本高、周期长,且容易受不确定性因素影响的问题,提出了基于小波尺度谱重排与排列熵的自动机故障诊断方法。该方法运用小波尺度谱重排,提高了自动机振动信号能量的集中度;以振动信号的小波... 针对传统的自动机故障诊断方法检测与诊断维修成本高、周期长,且容易受不确定性因素影响的问题,提出了基于小波尺度谱重排与排列熵的自动机故障诊断方法。该方法运用小波尺度谱重排,提高了自动机振动信号能量的集中度;以振动信号的小波排列熵作为特征向量,差异较为明显;并优化支持向量机(SVM)对自动机故障进行识别。实例验证表明:该方法能有效地提取故障特征值并完成故障识别,解决了自动机故障诊断的问题,是一种适合其高频振动冲击信号的故障诊断方法,有着极其重要的理论意义和现实意义。 展开更多

关键词 自动机 小波尺度谱重排 排列熵 支持向量机 故障诊断

在线阅读 下载PDF 职称材料

基于多尺度排列熵和线性局部切空间排列的机械故障诊断特征提取 被引量：11

12

作者 赵建岗 宁静 +2 位作者 宁云志 陈春俊 李艳萍 《振动与冲击》 EI CSCD 北大核心 2021年第13期136-145,共10页

机械设备监控系统收集的大量信号通常是包含多种自然振荡模式的非线性信号,这意味着单尺度特征提取无法表征这些非线性信号。而对于高维特征矩阵,也需要进一步提取主要的低维特征。针对这两个问题,提出了一种结合多尺度排列熵和线性局... 机械设备监控系统收集的大量信号通常是包含多种自然振荡模式的非线性信号,这意味着单尺度特征提取无法表征这些非线性信号。而对于高维特征矩阵,也需要进一步提取主要的低维特征。针对这两个问题,提出了一种结合多尺度排列熵和线性局部切线空间排列(MPE-LLTSA)的非线性特征提取方法。首先通过MPE计算信号以获得具有高维度的多尺度特征。然后利用LLTSA挖掘嵌入的内在结构,实现低维特征提取。最后引入最小二乘支持向量机(LSSVM)来训练和识别低维特征。试验结果表明了该方法在机械模式分类和故障识别领域的应用潜力。 展开更多

关键词 特征提取 多尺度排列熵(mpe) 线性局部切线空间排列(LLTSA) 机械故障诊断 轴承

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：12

13

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

基于改进多尺度排列熵的列车轴箱轴承诊断方法研究 被引量：18

14

作者 李永健 宋浩 +2 位作者 刘吉华 张卫华 熊庆 《铁道学报》 EI CAS CSCD 北大核心 2020年第1期33-39,共7页

多尺度排列熵作为非线性方法,被广泛应用于时间序列复杂性和随机性的评估之中。由于粗粒化过程中的缺陷会导致熵值精度低、稳定性差,提出了改进多尺度排列熵。通过仿真信号与传统多尺度排列熵方法比较发现,在不同尺度下改进多尺度排列... 多尺度排列熵作为非线性方法,被广泛应用于时间序列复杂性和随机性的评估之中。由于粗粒化过程中的缺陷会导致熵值精度低、稳定性差,提出了改进多尺度排列熵。通过仿真信号与传统多尺度排列熵方法比较发现,在不同尺度下改进多尺度排列熵方法估计的熵值结果更加稳定,且误差减小。结合马氏距离特征选择与遗传算法优化的支持矢量机模式识别算法,提出了一种智能化的轴承故障诊断方法。通过列车轴箱轴承实验数据进行验证,结果表明该方法可准确识别出不同类型的故障轴承。 展开更多

关键词 多尺度排列熵 马氏距离 特征提取 支持矢量机 故障诊断

在线阅读 下载PDF 职称材料

基于CEEMDAN和多尺度排列熵的球磨机负荷识别方法 被引量：16

15

作者 胡显能 蔡改贫 +1 位作者 罗小燕 宗路 《噪声与振动控制》 CSCD 2018年第3期146-151,共6页

针对球磨机负荷特征提取难以及负荷状态识别难的问题,将多尺度排列熵引入到球磨机负荷识别中,提出一种具有自适应噪声的完整集成经验模态分解(CEEMDAN)与多尺度排列熵(MPE)相结合的球磨机负荷识别方法。首先,采用CEEMDAN方法对球磨机振... 针对球磨机负荷特征提取难以及负荷状态识别难的问题,将多尺度排列熵引入到球磨机负荷识别中,提出一种具有自适应噪声的完整集成经验模态分解(CEEMDAN)与多尺度排列熵(MPE)相结合的球磨机负荷识别方法。首先,采用CEEMDAN方法对球磨机振动信号进行处理,将其分解成一系列的模态分量,选取与原始信号相关性较高的敏感模态分量进行信号重构;其次,确定多尺度排列熵算法的最优参数,根据算法得到重构信号的排列熵值;最后,计算多尺度排列熵的偏均值,以偏均值作为特征对球磨机负荷状态进行识别。实验结果表明,该方法能够有效地识别出球磨机的不同负荷状态,并具有一定的可行性。 展开更多

关键词 振动与波 球磨机 CEEMDAN 多尺度排列熵 负荷识别

在线阅读 下载PDF 职称材料

基于多尺度排列熵和支持向量机的轴承故障诊断 被引量：12

16

作者 瞿金秀 石长全 +1 位作者 丁锋 王文娟 《煤矿机械》 北大核心 2018年第9期143-146,共4页

针对轴承振动信号非线性、非平稳性和故障特征微弱性的特点,以及工程实际中难以获得大量故障样本的情况,提出了一种基于多尺度排列熵和支持向量机的轴承故障诊断新方法。该方法首先对轴承不同运行状态下的振动信号进行多尺度排列熵特征... 针对轴承振动信号非线性、非平稳性和故障特征微弱性的特点,以及工程实际中难以获得大量故障样本的情况,提出了一种基于多尺度排列熵和支持向量机的轴承故障诊断新方法。该方法首先对轴承不同运行状态下的振动信号进行多尺度排列熵特征提取,然后通过距离评估技术从原始多尺度排列熵特征中选取敏感特征,最后将敏感特征输入到采用遗传算法优化的支持向量机中,实现对轴承不同运行状态的自动识别。对实验数据分析的结果表明,该方法可以精细地获取故障信息,从大量原始特征中选择出敏感特征,有效地实现滚动轴承故障状态的诊断。 展开更多

关键词 多尺度排列熵 敏感特征选择 支持向量机 故障诊断

在线阅读 下载PDF 职称材料

基于多尺度排列熵的精神分裂症MEG信号分析 被引量：3

17

作者 陈振宇 黄晓霞 《中国生物医学工程学报》 CAS CSCD 北大核心 2016年第6期665-670,共6页

通过应用多尺度排列熵分析方法对精神分裂症患者和健康正常人的静息态脑磁图(MEG)信号进行信号的复杂性定量分析与对比,发现:在两组样本的多尺度排列熵均值比较中,精神分裂症患者93.82%通道上的多尺度排列熵值高于正常对照组;精神分裂... 通过应用多尺度排列熵分析方法对精神分裂症患者和健康正常人的静息态脑磁图(MEG)信号进行信号的复杂性定量分析与对比,发现:在两组样本的多尺度排列熵均值比较中,精神分裂症患者93.82%通道上的多尺度排列熵值高于正常对照组;精神分裂症患者的MEG信号的多尺度排列熵在19个通道上存在显著性差异(P<0.05,FDR校正),这些差异通道集中分布在脑区上的颞叶和额叶等部位。这个发现与既往的MRI和EEG等神经影像学对精神分裂症的研究结果相一致。这些特征提示MEG信号的复杂性测度或许可以为精神分裂症患者的诊断及判别提供新的辅助参考依据,有助于了解及分析精神分裂症的症状表现及其病理机制,为精神分裂症的病理分析和临床诊断方法的研究提供新的研究思路与途径。 展开更多

关键词 脑磁图 精神分裂症 静息态 多尺度排列熵

在线阅读 下载PDF 职称材料

基于多尺度排列熵的舰船辐射噪声复杂度特征提取研究 被引量：15

18

作者 陈哲 李亚安 《振动与冲击》 EI CSCD 北大核心 2019年第12期225-230,共6页

针对复杂海洋环境中舰船辐射噪声的特征提取问题,提出了一种基于多尺度排列熵的舰船辐射噪声复杂度特征提取方法。分别利用基于EEMD的最强固有模态中心频率法、高低频能量差法和基于复杂度的排列熵与多尺度排列熵提取了五种不同类别、... 针对复杂海洋环境中舰船辐射噪声的特征提取问题,提出了一种基于多尺度排列熵的舰船辐射噪声复杂度特征提取方法。分别利用基于EEMD的最强固有模态中心频率法、高低频能量差法和基于复杂度的排列熵与多尺度排列熵提取了五种不同类别、一定样本数量的舰船辐射噪声特征,并将四种特征提取方法所提取的舰船特征分别输入概率神经网络进行分类识别。研究发现,多尺度排列熵是一种一致性好、稳定性强的非线性特征参数,能够从多个维度描述信号的复杂度。实验结果表明,多尺度排列熵特征具有很好的可分性,以多尺度排列熵为特征进行舰船分类识别,识别率显著高于其他舰船辐射噪声特征提取算法. 展开更多

关键词 多尺度排列熵 复杂度 舰船辐射噪声 集合经验模态分解 特征提取

在线阅读 下载PDF 职称材料

基于参数优化VMD和增强多尺度排列熵的单向阀故障诊断 被引量：24

19

作者 潘震 黄国勇 吴漫 《振动与冲击》 EI CSCD 北大核心 2020年第15期118-125,共8页

针对高压隔膜泵机械结构复杂,单向阀故障特征信息分布在多尺度上,单一尺度难以全面提取特征的问题,提出了一种基于参数优化变分模态分解(Variational Mode Decomposition,VMD)和增强多尺度排列熵(Enhanced Multi-scale Permutation Entr... 针对高压隔膜泵机械结构复杂,单向阀故障特征信息分布在多尺度上,单一尺度难以全面提取特征的问题,提出了一种基于参数优化变分模态分解(Variational Mode Decomposition,VMD)和增强多尺度排列熵(Enhanced Multi-scale Permutation Entropy,EMPE)的单向阀故障诊断方法。对单向阀振动信号进行VMD分解,以包络熵最小原则对其进行参数优化,获得既定的若干本征模态函数(Intrinsic Mode Function,IMF)分量;计算IMF分量的增强多尺度排列熵,构建故障特征值向量;利用基于变量预测模型的模式识别(Variable Predictive Model Based Class Discriminate,VPMCD)方法对故障特征值向量进行训练和识别,进而实现单向阀的故障诊断。仿真信号和工程实验分析表明,该方法可以准确地识别单向阀的故障类型,具有一定的可靠性和工程应用价值。 展开更多

关键词 变分模态分解 增强多尺度排列熵 基于变量预测模型的模式识别 单向阀 故障诊断

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滚动轴承故障诊断 被引量：25

20

作者 张建财 高军伟 《噪声与振动控制》 CSCD 2019年第6期181-186,共6页

针对滚动轴承故障振动信号非平稳性、故障特征提取效果不理想以及故障诊断准确性低等问题,提出基于变分模态分解和多尺度排列熵的滚动轴承故障特征提取方法,并采用经粒子群算法优化的概率神经网络(PSO-PNN)故障诊断模型进行故障类型识... 针对滚动轴承故障振动信号非平稳性、故障特征提取效果不理想以及故障诊断准确性低等问题,提出基于变分模态分解和多尺度排列熵的滚动轴承故障特征提取方法,并采用经粒子群算法优化的概率神经网络(PSO-PNN)故障诊断模型进行故障类型识别。通过变分模态分解方法将提取的振动信号分解成K个模态分量,进一步计算K个分量的多尺度排列熵,组成多尺度的特征向量,将特征向量输入到PSO-PNN故障诊断模型中识别故障类型。MATLAB仿真结果表明,该方法使故障类型识别准确率有所提高。 展开更多

关键词 故障诊断 变分模态分解 多尺度排列熵 粒子群算法 概率神经网络

在线阅读 下载PDF 职称材料