期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于特征模态分解及多尺度模糊散布熵的滚动轴承故障诊断
1
作者
梁翔宇
胡业林
+1 位作者
马向阳
宋晓
《科学技术与工程》
北大核心
2025年第1期176-185,共10页
针对复杂环境下的滚动轴承故障信息有效提取与辨识问题,提出一种基于特征模态分解(feature mode decomposition,FMD)及多尺度模糊散布熵(multiscale fuzzy dispersion entropy,MFDE)和斑马优化算法(zebra optimization algorithm,ZOA)...
针对复杂环境下的滚动轴承故障信息有效提取与辨识问题,提出一种基于特征模态分解(feature mode decomposition,FMD)及多尺度模糊散布熵(multiscale fuzzy dispersion entropy,MFDE)和斑马优化算法(zebra optimization algorithm,ZOA)优化支持向量机的滚动轴承故障诊断方法。为了解决FMD中关键参数不具有自适应性这一问题,以最小包络熵作为目标函数,采用白鲸优化算法(beluga whale optimization,BWO)优化FMD寻找最优参数组合,实现对故障信号的最优分解;引入多尺度模糊散布熵构建分解后不同模态下的特征向量;最后,将特征向量输入支持向量机中进行训练和识别,通过公开数据集和自制实验平台数据集验证了提出方法的有效性。
展开更多
关键词
特征模态分解
多尺度模糊散布熵
支持向量机
滚动轴承
故障诊断
在线阅读
下载PDF
职称材料
基于改进RCMDE与优化随机森林的掘进机截割头故障诊断
2
作者
马天兵
杨婷
+3 位作者
李长鹏
杜菲
史瑞
于平平
《科学技术与工程》
北大核心
2025年第9期3629-3636,共8页
针对掘进机截割振动信号故障特征不易提取和识别困难等问题,提出了一种精细复合多尺度模糊散布熵(refined composite multiscale fuzzy dispersion entropy,RCMFDE)与河马优化随机森林(hippo optimized random forest,HORF)的掘进机截...
针对掘进机截割振动信号故障特征不易提取和识别困难等问题,提出了一种精细复合多尺度模糊散布熵(refined composite multiscale fuzzy dispersion entropy,RCMFDE)与河马优化随机森林(hippo optimized random forest,HORF)的掘进机截割头故障诊断新方法。首先,利用RCMFDE全面表征掘进机截割头故障特征信息,构建故障特征数据集;其次,采用HORF对故障类型进行训练和测试,实现掘进机截割头的故障模式识别;最后,将所提方法运用在掘进机截割头实验数据分析中,并将其与现有的多尺度模糊熵、精细复合多尺度散布熵故障特征提取方法做比较。实验结果显示:RCMFDE在挖掘故障特征信息方面优于其他两种熵方法,而河马随机森林在故障分类方面优于极限学习机和支持向量机等分类器,所提故障识别模型可以更加精确地识别掘进机截割头的故障类型,且识别准确率达到100%。
展开更多
关键词
掘进机
截割振动信号
特征提取
故障诊断
精细复合
多尺度模糊散布熵
在线阅读
下载PDF
职称材料
矿用高压电缆局部放电信号去噪方法
3
作者
张小牛
司士军
+1 位作者
李军鸿
王安乐
《工矿自动化》
北大核心
2025年第10期123-130,共8页
目前矿用高压电缆局部放电(PD)信号易埋没在噪声中难以提取,在PD降噪中使用变分模态分解(VMD)是一种有效手段,但VMD算法的分解层数K和惩罚因子α难以确定。针对该问题,提出基于自适应螺旋飞行麻雀搜索算法(ASFSSA)-VMD-KSVD的矿用高压...
目前矿用高压电缆局部放电(PD)信号易埋没在噪声中难以提取,在PD降噪中使用变分模态分解(VMD)是一种有效手段,但VMD算法的分解层数K和惩罚因子α难以确定。针对该问题,提出基于自适应螺旋飞行麻雀搜索算法(ASFSSA)-VMD-KSVD的矿用高压电缆局部放电信号去噪方法。采用ASFSSA优化VMD,利用混沌映射策略使种群分布更加均匀,避免陷入局部最优解;通过VMD获得一系列本征模态函数(IMF),再用复合多尺度模糊散布熵(CMFDE)来筛选IMF分量的性质,将IMF分量分为信号主导分量和噪声主导分量;对筛选后的噪声主导分量构建KSVD字典学习的训练样本,通过稀疏编码和字典更新进一步抑制噪声;对处理后的系数进行重构并将信号块叠加即可得到去噪后的信号。采用信噪比(SNR)、均方根误差(RMSE)、归一化互相关系数(NCC)来评估去噪效果,实验结果表明:在不同SNR条件下,采用ASFSSA算法去噪后的SNR远大于灰狼优化(GWO)算法和改进鲸鱼优化算法(IWOA),在噪声抑制方面有明显优势;采用ASFSSA算法去噪后的RMSE远小于GWO算法和IWOA,去噪时的真实值与预测值差别最小;采用ASFSSA算法去噪后的NCC十分接近1,在波形相似度上表现良好。
展开更多
关键词
局部放电
变分模态分解
自适应螺旋飞行麻雀搜索
复合
多尺度模糊散布熵
KSVD字典学习
在线阅读
下载PDF
职称材料
题名
基于特征模态分解及多尺度模糊散布熵的滚动轴承故障诊断
1
作者
梁翔宇
胡业林
马向阳
宋晓
机构
安徽理工大学电气与信息工程学院
出处
《科学技术与工程》
北大核心
2025年第1期176-185,共10页
文摘
针对复杂环境下的滚动轴承故障信息有效提取与辨识问题,提出一种基于特征模态分解(feature mode decomposition,FMD)及多尺度模糊散布熵(multiscale fuzzy dispersion entropy,MFDE)和斑马优化算法(zebra optimization algorithm,ZOA)优化支持向量机的滚动轴承故障诊断方法。为了解决FMD中关键参数不具有自适应性这一问题,以最小包络熵作为目标函数,采用白鲸优化算法(beluga whale optimization,BWO)优化FMD寻找最优参数组合,实现对故障信号的最优分解;引入多尺度模糊散布熵构建分解后不同模态下的特征向量;最后,将特征向量输入支持向量机中进行训练和识别,通过公开数据集和自制实验平台数据集验证了提出方法的有效性。
关键词
特征模态分解
多尺度模糊散布熵
支持向量机
滚动轴承
故障诊断
Keywords
feature mode decomposition
multiscale fuzzy dispersion entropy
support vector machine
rolling bearing
fault diagnosis
分类号
TH133 [机械工程—机械制造及自动化]
在线阅读
下载PDF
职称材料
题名
基于改进RCMDE与优化随机森林的掘进机截割头故障诊断
2
作者
马天兵
杨婷
李长鹏
杜菲
史瑞
于平平
机构
安徽理工大学深部煤矿采动响应与灾害防控国家重点实验室
合肥综合性国家科学中心能源研究所
安徽理工大学机电工程学院
出处
《科学技术与工程》
北大核心
2025年第9期3629-3636,共8页
基金
安徽高校协同创新项目(GXXT-2022-019)
安徽省重点研究与开发计划(202104a07020005)
+4 种基金
安徽省自然科学基金面上项目(2008085ME178)
国家重点实验室资助项目(SKLMRDPC20ZZ01)
深部煤矿采动响应与灾害防控国家重点实验室开放基金(SKLMRDPC22KF26)
安徽省智能矿山技术与装备工程实验室开放基金(AIMTEEL202202)
安徽理工大学引进人才科研启动基金(2022YJRC63)。
文摘
针对掘进机截割振动信号故障特征不易提取和识别困难等问题,提出了一种精细复合多尺度模糊散布熵(refined composite multiscale fuzzy dispersion entropy,RCMFDE)与河马优化随机森林(hippo optimized random forest,HORF)的掘进机截割头故障诊断新方法。首先,利用RCMFDE全面表征掘进机截割头故障特征信息,构建故障特征数据集;其次,采用HORF对故障类型进行训练和测试,实现掘进机截割头的故障模式识别;最后,将所提方法运用在掘进机截割头实验数据分析中,并将其与现有的多尺度模糊熵、精细复合多尺度散布熵故障特征提取方法做比较。实验结果显示:RCMFDE在挖掘故障特征信息方面优于其他两种熵方法,而河马随机森林在故障分类方面优于极限学习机和支持向量机等分类器,所提故障识别模型可以更加精确地识别掘进机截割头的故障类型,且识别准确率达到100%。
关键词
掘进机
截割振动信号
特征提取
故障诊断
精细复合
多尺度模糊散布熵
Keywords
roadheader
cutting vibration signal
feature extraction
fault diagnosis
fine composite multiscale fuzzy scatter entropy
分类号
TD421 [矿业工程—矿山机电]
在线阅读
下载PDF
职称材料
题名
矿用高压电缆局部放电信号去噪方法
3
作者
张小牛
司士军
李军鸿
王安乐
机构
平顶山天安煤业股份有限公司
中国平煤神马控股集团有限公司
出处
《工矿自动化》
北大核心
2025年第10期123-130,共8页
基金
河南省科技攻关资助项目(182102310936)。
文摘
目前矿用高压电缆局部放电(PD)信号易埋没在噪声中难以提取,在PD降噪中使用变分模态分解(VMD)是一种有效手段,但VMD算法的分解层数K和惩罚因子α难以确定。针对该问题,提出基于自适应螺旋飞行麻雀搜索算法(ASFSSA)-VMD-KSVD的矿用高压电缆局部放电信号去噪方法。采用ASFSSA优化VMD,利用混沌映射策略使种群分布更加均匀,避免陷入局部最优解;通过VMD获得一系列本征模态函数(IMF),再用复合多尺度模糊散布熵(CMFDE)来筛选IMF分量的性质,将IMF分量分为信号主导分量和噪声主导分量;对筛选后的噪声主导分量构建KSVD字典学习的训练样本,通过稀疏编码和字典更新进一步抑制噪声;对处理后的系数进行重构并将信号块叠加即可得到去噪后的信号。采用信噪比(SNR)、均方根误差(RMSE)、归一化互相关系数(NCC)来评估去噪效果,实验结果表明:在不同SNR条件下,采用ASFSSA算法去噪后的SNR远大于灰狼优化(GWO)算法和改进鲸鱼优化算法(IWOA),在噪声抑制方面有明显优势;采用ASFSSA算法去噪后的RMSE远小于GWO算法和IWOA,去噪时的真实值与预测值差别最小;采用ASFSSA算法去噪后的NCC十分接近1,在波形相似度上表现良好。
关键词
局部放电
变分模态分解
自适应螺旋飞行麻雀搜索
复合
多尺度模糊散布熵
KSVD字典学习
Keywords
partial discharge
variational mode decomposition
adaptive spiral flying sparrow search
composite multiscale fuzzy dispersion entropy
KSVD dictionary learning
分类号
TD61 [矿业工程—矿山机电]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于特征模态分解及多尺度模糊散布熵的滚动轴承故障诊断
梁翔宇
胡业林
马向阳
宋晓
《科学技术与工程》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
基于改进RCMDE与优化随机森林的掘进机截割头故障诊断
马天兵
杨婷
李长鹏
杜菲
史瑞
于平平
《科学技术与工程》
北大核心
2025
0
在线阅读
下载PDF
职称材料
3
矿用高压电缆局部放电信号去噪方法
张小牛
司士军
李军鸿
王安乐
《工矿自动化》
北大核心
2025
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
