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
2
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
SPA-HRDE在机械设备声信号故障诊断中的应用
被引量：
5
1
作者
刘儒林
汪进
谢忠志
《液压与气动》
北大核心
2024年第3期70-81,共12页
针对现有故障诊断方法存在接触式采集、精度低等问题,提出了一种结合平滑先验分析和层次反向散布熵的机械设备故障诊断方法。首先,通过SPA将声音信号分解为趋势项和去趋势项。随后,利用HRDE提取趋势项和去趋势项信号的层次熵值,构建故...
针对现有故障诊断方法存在接触式采集、精度低等问题,提出了一种结合平滑先验分析和层次反向散布熵的机械设备故障诊断方法。首先,通过SPA将声音信号分解为趋势项和去趋势项。随后,利用HRDE提取趋势项和去趋势项信号的层次熵值,构建故障特征样本;最后,利用蜜獾算法对支持向量机的关键参数进行搜索,建立参数最优的故障识别模型,将故障特征输入到HBA-SVM分类器中进行故障识别,并基于离心泵和滚动轴承两种机械设备的实验评估证实了所提方法的有效性。试验结果表明:该方法分别取得了100%和97%的故障识别精度。相较于其他故障诊断方法,该方法能够充分提取声信号中的故障信息,实现更高精度的故障诊断,具有很强的鲁棒性。
展开更多
关键词
声音信号
平滑先验分析
层次反向散布熵
机械设备
蜜獾算法
故障诊断
在线阅读
下载PDF
职称材料
基于HRFDE和GSA-PNN的旋转机械故障识别模型
被引量：
2
2
作者
赫大雨
王强
《机电工程》
CAS
北大核心
2023年第12期1869-1879,共11页
采用波动散布熵只能提取故障振动信号的单一尺度特征,而多尺度反向波动散布熵(MRFDE)无法分析信号的高频特性信息,导致提取的故障特征不够全面,进而影响旋转机械故障识别准确率,针对这一问题,提出了一种基于层次反向波动散布熵(HRFDE)...
采用波动散布熵只能提取故障振动信号的单一尺度特征,而多尺度反向波动散布熵(MRFDE)无法分析信号的高频特性信息,导致提取的故障特征不够全面,进而影响旋转机械故障识别准确率,针对这一问题,提出了一种基于层次反向波动散布熵(HRFDE)和引力搜索算法优化概率神经网络(GSA-PNN)的旋转机械故障诊断模型(方法)。首先,利用层次分割处理代替MRFDE中的粗粒化处理,提出了可以同时提取信号中低频段信息和高频段信息的HRFDE方法,并用于全面表征旋转机械故障特征中的低频和高频信息,从而生成了故障特征样本;然后,采用引力搜索算法(GSA)方法对概率神经网络(PNN)分类器的平滑因子进行了快速优化,建立了GSA-PNN多故障分类模型,对旋转机械的故障类型进行了识别和检测;最后,利用滚动轴承和齿轮箱两种典型的故障数据集,对基于HRFDE方法和GSA-PNN分类器的故障诊断方法的有效性和稳定性进行了实验分析,并将其与现有基于MRFDE、多尺度波动散布熵(MFDE)和层次散布熵(HDE)的故障特征提取方法进行了对比分析。研究结果表明:基于HRFDE方法和GSA-PNN分类器的故障诊断方法可以精准地识别旋转机械的不同故障类型,对两种数据集的识别准确率均达到了98%;而在牺牲部分故障识别效率的基础上,能够获得优于其他对比方法的故障识别准确率,其具有更好的综合性能。
展开更多
关键词
旋转机械
反向
波动
散布
熵
层次
反向
波动
散布
熵
故障分类器
引力搜索算法
概率神经网络
在线阅读
下载PDF
职称材料
题名
SPA-HRDE在机械设备声信号故障诊断中的应用
被引量：
5
1
作者
刘儒林
汪进
谢忠志
机构
浙江工业大学机械工程学院
重庆开放大学重庆工商职业学院
江苏电子信息职业学院数字装备学院
泰州职业技术学院智能制造学院
出处
《液压与气动》
北大核心
2024年第3期70-81,共12页
基金
浙江省自然科学基金(LQ21E060008)。
文摘
针对现有故障诊断方法存在接触式采集、精度低等问题,提出了一种结合平滑先验分析和层次反向散布熵的机械设备故障诊断方法。首先,通过SPA将声音信号分解为趋势项和去趋势项。随后,利用HRDE提取趋势项和去趋势项信号的层次熵值,构建故障特征样本;最后,利用蜜獾算法对支持向量机的关键参数进行搜索,建立参数最优的故障识别模型,将故障特征输入到HBA-SVM分类器中进行故障识别,并基于离心泵和滚动轴承两种机械设备的实验评估证实了所提方法的有效性。试验结果表明:该方法分别取得了100%和97%的故障识别精度。相较于其他故障诊断方法,该方法能够充分提取声信号中的故障信息,实现更高精度的故障诊断,具有很强的鲁棒性。
关键词
声音信号
平滑先验分析
层次反向散布熵
机械设备
蜜獾算法
故障诊断
Keywords
sound signal
smooth prior analysis
hierarchical reverse dispersion entropy
machinery equipment
honey badger algorithm
fault diagnosis
分类号
TH137 [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HRFDE和GSA-PNN的旋转机械故障识别模型
被引量：
2
2
作者
赫大雨
王强
机构
吉林铁道职业技术学院铁道机车学院
东南大学机械工程学院
出处
《机电工程》
CAS
北大核心
2023年第12期1869-1879,共11页
基金
吉林省职业教育科研课题项目(2022XHZ009)。
文摘
采用波动散布熵只能提取故障振动信号的单一尺度特征,而多尺度反向波动散布熵(MRFDE)无法分析信号的高频特性信息,导致提取的故障特征不够全面,进而影响旋转机械故障识别准确率,针对这一问题,提出了一种基于层次反向波动散布熵(HRFDE)和引力搜索算法优化概率神经网络(GSA-PNN)的旋转机械故障诊断模型(方法)。首先,利用层次分割处理代替MRFDE中的粗粒化处理,提出了可以同时提取信号中低频段信息和高频段信息的HRFDE方法,并用于全面表征旋转机械故障特征中的低频和高频信息,从而生成了故障特征样本;然后,采用引力搜索算法(GSA)方法对概率神经网络(PNN)分类器的平滑因子进行了快速优化,建立了GSA-PNN多故障分类模型,对旋转机械的故障类型进行了识别和检测;最后,利用滚动轴承和齿轮箱两种典型的故障数据集,对基于HRFDE方法和GSA-PNN分类器的故障诊断方法的有效性和稳定性进行了实验分析,并将其与现有基于MRFDE、多尺度波动散布熵(MFDE)和层次散布熵(HDE)的故障特征提取方法进行了对比分析。研究结果表明:基于HRFDE方法和GSA-PNN分类器的故障诊断方法可以精准地识别旋转机械的不同故障类型,对两种数据集的识别准确率均达到了98%;而在牺牲部分故障识别效率的基础上,能够获得优于其他对比方法的故障识别准确率,其具有更好的综合性能。
关键词
旋转机械
反向
波动
散布
熵
层次
反向
波动
散布
熵
故障分类器
引力搜索算法
概率神经网络
Keywords
rotating machinery
reverse fluctuation dispersion entropy(RFDE)
hierarchical reverse fluctuation dispersion entropy(HRFDE)
fault classifier
gravity search algorithm
probability neural network(PNN)
分类号
TH133.3 [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
作者
出处
发文年
被引量
操作
1
SPA-HRDE在机械设备声信号故障诊断中的应用
刘儒林
汪进
谢忠志
《液压与气动》
北大核心
2024
5
在线阅读
下载PDF
职称材料
2
基于HRFDE和GSA-PNN的旋转机械故障识别模型
赫大雨
王强
《机电工程》
CAS
北大核心
2023
2
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
