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
改进多尺度幅值感知排列熵与随机森林结合的滚动轴承故障诊断
被引量：
13
1
作者
吴海滨
陈寅生
+1 位作者
张庭豪
汪颖
《光学精密工程》
EI
CAS
CSCD
北大核心
2020年第3期621-631,共11页
针对滚动轴承故障识别准确率较低的问题,本文提出了一种新型滚动轴承故障诊断方法。该方法能够在准确识别滚动轴承故障类型的基础上,进一步分析故障的严重程度。首先,通过固有时间尺度分解提取滚动轴承振动信号的最佳固有旋转分量,突显...
针对滚动轴承故障识别准确率较低的问题,本文提出了一种新型滚动轴承故障诊断方法。该方法能够在准确识别滚动轴承故障类型的基础上,进一步分析故障的严重程度。首先,通过固有时间尺度分解提取滚动轴承振动信号的最佳固有旋转分量,突显故障信号的冲击特征;然后,利用改进多尺度幅值感知排列熵对信号幅值和频率变化敏感的特性,计算不同时间尺度下的幅值感知排列熵作为故障特征向量,改善了多尺度分析中的粗粒化过程,提升了故障特征提取的稳定性;最后,利用故障特征集构建随机森林多分类器,实现对滚动轴承不同故障类型的识别及严重程度分析,具有较强的泛化能力。实验结果表明,与现有滚动轴承故障诊断方法相比,平均故障识别准确率达到99.25%。该方法能够稳定而有效地提取滚动轴承的故障特征且具有较好的实时性。
展开更多
关键词
滚动轴承
故障诊断
固有时间尺度分解
幅值感知排列熵
随机森林
在线阅读
下载PDF
职称材料
粒化幅值感知排列熵和WOA-SVM的滚动轴承故障诊断
被引量：
14
2
作者
葛红平
刘晓波
+1 位作者
黄朝晖
熊小明
《噪声与振动控制》
CSCD
北大核心
2021年第4期101-108,160,共9页
为充分挖掘振动信号的特征信息进而提升诊断精度,提出一种将模糊信息粒化、幅值感知排列熵(AAPE)和鲸鱼优化支持向量机(WOA-SVM)相结合的滚动轴承智能故障诊断方法。首先对轴承振动信号进行模糊信息粒化处理,得到包含最小特征Low、平均...
为充分挖掘振动信号的特征信息进而提升诊断精度,提出一种将模糊信息粒化、幅值感知排列熵(AAPE)和鲸鱼优化支持向量机(WOA-SVM)相结合的滚动轴承智能故障诊断方法。首先对轴承振动信号进行模糊信息粒化处理,得到包含最小特征Low、平均特征R和最大特征Up的3组信息粒子;然后利用AAPE量化信息粒子的故障特征信息构建特征向量;最后建立WOA-SVM分类器诊断识别故障类型。采用滚动轴承不同工况下的实验数据进行算法验证,分析结果表明,所提方法不仅能够精准实现轴承故障类型及故障程度的综合辨识,而且故障识别率优于所对比方法。
展开更多
关键词
故障诊断
滚动轴承
模糊信息粒化
幅值感知排列熵
鲸鱼优化支持向量机
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
3
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
题名
改进多尺度幅值感知排列熵与随机森林结合的滚动轴承故障诊断
被引量：
13
1
作者
吴海滨
陈寅生
张庭豪
汪颖
机构
哈尔滨理工大学测控技术与通信工程学院
哈尔滨工业大学电气工程及自动化学院
出处
《光学精密工程》
EI
CAS
CSCD
北大核心
2020年第3期621-631,共11页
基金
航天科学技术基金资助项目(No.JZJJX20190013)
国家自然科学基金资助项目(No.61671190,61803128)。
文摘
针对滚动轴承故障识别准确率较低的问题,本文提出了一种新型滚动轴承故障诊断方法。该方法能够在准确识别滚动轴承故障类型的基础上,进一步分析故障的严重程度。首先,通过固有时间尺度分解提取滚动轴承振动信号的最佳固有旋转分量,突显故障信号的冲击特征;然后,利用改进多尺度幅值感知排列熵对信号幅值和频率变化敏感的特性,计算不同时间尺度下的幅值感知排列熵作为故障特征向量,改善了多尺度分析中的粗粒化过程,提升了故障特征提取的稳定性;最后,利用故障特征集构建随机森林多分类器,实现对滚动轴承不同故障类型的识别及严重程度分析,具有较强的泛化能力。实验结果表明,与现有滚动轴承故障诊断方法相比,平均故障识别准确率达到99.25%。该方法能够稳定而有效地提取滚动轴承的故障特征且具有较好的实时性。
关键词
滚动轴承
故障诊断
固有时间尺度分解
幅值感知排列熵
随机森林
Keywords
rolling bearing
fault diagnosis
intrinsic time-scale decomposition
amplitude-aware permutation entropy
random forest
分类号
TH133.33 [机械工程—机械制造及自动化]
TP277 [自动化与计算机技术—检测技术与自动化装置]
在线阅读
下载PDF
职称材料
题名
粒化幅值感知排列熵和WOA-SVM的滚动轴承故障诊断
被引量：
14
2
作者
葛红平
刘晓波
黄朝晖
熊小明
机构
南昌航空大学科技学院
南昌航空大学航空制造工程学院
出处
《噪声与振动控制》
CSCD
北大核心
2021年第4期101-108,160,共9页
基金
国家自然科学基金资助项目(51365040)。
文摘
为充分挖掘振动信号的特征信息进而提升诊断精度,提出一种将模糊信息粒化、幅值感知排列熵(AAPE)和鲸鱼优化支持向量机(WOA-SVM)相结合的滚动轴承智能故障诊断方法。首先对轴承振动信号进行模糊信息粒化处理,得到包含最小特征Low、平均特征R和最大特征Up的3组信息粒子;然后利用AAPE量化信息粒子的故障特征信息构建特征向量;最后建立WOA-SVM分类器诊断识别故障类型。采用滚动轴承不同工况下的实验数据进行算法验证,分析结果表明,所提方法不仅能够精准实现轴承故障类型及故障程度的综合辨识,而且故障识别率优于所对比方法。
关键词
故障诊断
滚动轴承
模糊信息粒化
幅值感知排列熵
鲸鱼优化支持向量机
Keywords
fault diagnosis
rolling bearing
fuzzy information granulation
amplitude aware permutation entropy
support vector machine optimized by whale optimization algorithm
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
RCMNAAPE在旋转机械故障诊断中的应用
3
作者
储祥冬
戴礼军
涂金洲
罗震寰
于震
秦磊
机构
江苏中烟工业有限责任公司淮阴卷烟厂
颐中(青岛)烟草机械有限公司
武汉理工大学机电工程学院
出处
《机电工程》
CAS
北大核心
2024年第6期1039-1049,共11页
基金
国家自然科学基金资助项目(52075399)。
文摘
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。
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
Keywords
fault identification accuracy
rolling bearing
gearbox
refined composite multiscale normalized amplitude aware permutation entropy(RCMNAAPE)
Laplace scores(LS)
grey wolf algorithm optimization support vector machine(GWO-SVM)
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
改进多尺度幅值感知排列熵与随机森林结合的滚动轴承故障诊断
吴海滨
陈寅生
张庭豪
汪颖
《光学精密工程》
EI
CAS
CSCD
北大核心
2020
13
在线阅读
下载PDF
职称材料
2
粒化幅值感知排列熵和WOA-SVM的滚动轴承故障诊断
葛红平
刘晓波
黄朝晖
熊小明
《噪声与振动控制》
CSCD
北大核心
2021
14
在线阅读
下载PDF
职称材料
3
RCMNAAPE在旋转机械故障诊断中的应用
储祥冬
戴礼军
涂金洲
罗震寰
于震
秦磊
《机电工程》
CAS
北大核心
2024
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
