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
一种时移多尺度排列熵与ELM相结合的滚动轴承故障诊断方法
被引量：
13
1
作者
董治麟
郑近德
+1 位作者
潘海洋
刘庆运
《机械科学与技术》
CSCD
北大核心
2021年第10期1523-1529,共7页
多尺度排列熵(Multi-scale permutation entropy,MPE)随着尺度因子的增加得到的粗粒化序列长度越来越短,造成时间序列信息的严重损失。为此,提出了时移多尺度排列熵(Time-shifted multi-scale permutation entropy,TSMPE)。首先,采用仿...
多尺度排列熵(Multi-scale permutation entropy,MPE)随着尺度因子的增加得到的粗粒化序列长度越来越短,造成时间序列信息的严重损失。为此,提出了时移多尺度排列熵(Time-shifted multi-scale permutation entropy,TSMPE)。首先,采用仿真信号分别对TSMPE与MPE做仿真对比分析,结果表明,TSMPE对原始振动信号的长度依赖性较小,得到的熵值更加稳定。进一步地,提出了一种基于TSMPE与极限学习机的滚动轴承故障检测与诊断方法,将其应用于两组实际滚动轴承测试数据对滚动轴承故障类型和程度进行识别,结果表明:所提出故障诊断方法不仅能够准确地诊断滚动轴承的故障类型和程度,而且识别率高于基于MPE与ELM的故障诊断方法。
展开更多
关键词
多
尺度
排列
熵
时移多尺度排列熵
滚动轴承
故障诊断
极限学习机
在线阅读
下载PDF
职称材料
基于CEEMDAN-TSMPE-PCA风力发电机齿轮箱高速轴承故障诊断技术
被引量：
13
2
作者
张玉兰
张宏伟
王新环
《噪声与振动控制》
CSCD
北大核心
2022年第4期158-164,234,共8页
针对风力发电机组轴承故障信号微弱、不易提取、识别困难等问题,提出基于自适应白噪声完备经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)、时移多尺度排列熵(Time-Shift Multiscale Permu...
针对风力发电机组轴承故障信号微弱、不易提取、识别困难等问题,提出基于自适应白噪声完备经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)、时移多尺度排列熵(Time-Shift Multiscale Permutation Entropy,TSMPE)、主成分分析法(Principal Component Analysis,PCA)相结合的振动信号降噪算法,结合改进人工鱼群(Improved Artificial Fish Swarm Algorithm,IAFSA)优化支持向量机(Support Vector Machine,SVM)分类算法,实现风力发电机轴承的故障诊断。首先将风力发电机轴承原始振动信号进行CEEMDAN分解,得到一系列由高频到低频的IMF分量,通过相关系数筛选出经CEEMDAN分解后所产生虚假分量以及残余噪声分量并进行剔除,再通过峭度值在剩余分量中筛选出包含故障信息较多的IMF分量进行信号重构;其次,采用TSMPE计算重构信号的敏感特征值,经PCA选择后组成特征向量;最后,以IAFSA优化SVM,训练IAFSA-SVM多分类故障分类器,实现风力发电机轴承故障识别。将该方法与其他组合方法进行比较,证明所提方法在风力发电机轴承故障诊断中具有优越性和有效性。
展开更多
关键词
故障诊断
风力发电机轴承
自适应白噪声完备经验模态分解
时移多尺度排列熵
改进人工鱼群
支持向量机
在线阅读
下载PDF
职称材料
基于TSMAAPE与WOA-KELM的液压泵故障诊断
被引量：
6
3
作者
李琨
张久亭
《机床与液压》
北大核心
2022年第9期201-209,共9页
多尺度排列熵(MPE)是一种非线性动力学方法,广泛应用于旋转机械的故障诊断。然而,排列熵没有考虑具有相同排列模式的时间序列可能具有不同的振幅,并且粗粒化方法存在缺陷。为解决上述问题,提出时移多尺度振幅感知排列熵(TSMAAPE)。利用...
多尺度排列熵(MPE)是一种非线性动力学方法,广泛应用于旋转机械的故障诊断。然而,排列熵没有考虑具有相同排列模式的时间序列可能具有不同的振幅,并且粗粒化方法存在缺陷。为解决上述问题,提出时移多尺度振幅感知排列熵(TSMAAPE)。利用时移时间序列改善MPE中粗粒度时间序列存在的不足,同时引入振幅感知排列熵。通过与时移多尺度排列熵和多尺度振幅感知排列熵进行对比,验证TSMAAPE的鲁棒性。考虑到TSMAAPE在特征提取方面的优势,结合鲸鱼优化算法优化的核极限学习机,提出一种液压泵智能故障诊断方法。结果表明:该方法对液压泵的不同故障具有较好的分类准确率,在故障诊断领域有广阔的应用前景。
展开更多
关键词
液压泵
故障诊断
时移多
尺度
振幅感知
排列
熵
核极限学习机
在线阅读
下载PDF
职称材料
题名
一种时移多尺度排列熵与ELM相结合的滚动轴承故障诊断方法
被引量：
13
1
作者
董治麟
郑近德
潘海洋
刘庆运
机构
安徽工业大学机械工程学院
出处
《机械科学与技术》
CSCD
北大核心
2021年第10期1523-1529,共7页
基金
国家重点研发计划项目(2017YFC0805100)
国家自然科学基金项目(51975004)
+1 种基金
安徽省高校自然科学研究重点项目(KJ2019053,KJ2019092)
高校优秀中青年骨干人才国外访学研修重点项目(gxgwfx2018018)。
文摘
多尺度排列熵(Multi-scale permutation entropy,MPE)随着尺度因子的增加得到的粗粒化序列长度越来越短,造成时间序列信息的严重损失。为此,提出了时移多尺度排列熵(Time-shifted multi-scale permutation entropy,TSMPE)。首先,采用仿真信号分别对TSMPE与MPE做仿真对比分析,结果表明,TSMPE对原始振动信号的长度依赖性较小,得到的熵值更加稳定。进一步地,提出了一种基于TSMPE与极限学习机的滚动轴承故障检测与诊断方法,将其应用于两组实际滚动轴承测试数据对滚动轴承故障类型和程度进行识别,结果表明:所提出故障诊断方法不仅能够准确地诊断滚动轴承的故障类型和程度,而且识别率高于基于MPE与ELM的故障诊断方法。
关键词
多
尺度
排列
熵
时移多尺度排列熵
滚动轴承
故障诊断
极限学习机
Keywords
multi-scale permutation entropy
time-shifted multi-scale permutation entropy
rolling bearing
fault diagnosis
extreme learning machine
分类号
TH113 [机械工程—机械设计及理论]
TH165.3 [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
基于CEEMDAN-TSMPE-PCA风力发电机齿轮箱高速轴承故障诊断技术
被引量：
13
2
作者
张玉兰
张宏伟
王新环
机构
河南理工大学电气学院
出处
《噪声与振动控制》
CSCD
北大核心
2022年第4期158-164,234,共8页
基金
河南省科技攻关资助项目(212102210252)。
文摘
针对风力发电机组轴承故障信号微弱、不易提取、识别困难等问题,提出基于自适应白噪声完备经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)、时移多尺度排列熵(Time-Shift Multiscale Permutation Entropy,TSMPE)、主成分分析法(Principal Component Analysis,PCA)相结合的振动信号降噪算法,结合改进人工鱼群(Improved Artificial Fish Swarm Algorithm,IAFSA)优化支持向量机(Support Vector Machine,SVM)分类算法,实现风力发电机轴承的故障诊断。首先将风力发电机轴承原始振动信号进行CEEMDAN分解,得到一系列由高频到低频的IMF分量,通过相关系数筛选出经CEEMDAN分解后所产生虚假分量以及残余噪声分量并进行剔除,再通过峭度值在剩余分量中筛选出包含故障信息较多的IMF分量进行信号重构;其次,采用TSMPE计算重构信号的敏感特征值,经PCA选择后组成特征向量;最后,以IAFSA优化SVM,训练IAFSA-SVM多分类故障分类器,实现风力发电机轴承故障识别。将该方法与其他组合方法进行比较,证明所提方法在风力发电机轴承故障诊断中具有优越性和有效性。
关键词
故障诊断
风力发电机轴承
自适应白噪声完备经验模态分解
时移多尺度排列熵
改进人工鱼群
支持向量机
Keywords
fault diagnosis
wind turbine bearing
adaptive noise complete set empirical mode decomposition
timeshift multiscale entropy
improved artificial fish swarm
support vector machine
分类号
TH165.3 [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
基于TSMAAPE与WOA-KELM的液压泵故障诊断
被引量：
6
3
作者
李琨
张久亭
机构
昆明理工大学信息工程与自动化学院
出处
《机床与液压》
北大核心
2022年第9期201-209,共9页
文摘
多尺度排列熵(MPE)是一种非线性动力学方法,广泛应用于旋转机械的故障诊断。然而,排列熵没有考虑具有相同排列模式的时间序列可能具有不同的振幅,并且粗粒化方法存在缺陷。为解决上述问题,提出时移多尺度振幅感知排列熵(TSMAAPE)。利用时移时间序列改善MPE中粗粒度时间序列存在的不足,同时引入振幅感知排列熵。通过与时移多尺度排列熵和多尺度振幅感知排列熵进行对比,验证TSMAAPE的鲁棒性。考虑到TSMAAPE在特征提取方面的优势,结合鲸鱼优化算法优化的核极限学习机,提出一种液压泵智能故障诊断方法。结果表明:该方法对液压泵的不同故障具有较好的分类准确率,在故障诊断领域有广阔的应用前景。
关键词
液压泵
故障诊断
时移多
尺度
振幅感知
排列
熵
核极限学习机
Keywords
Hydraulic pump
Fault diagnosis
Time-shift multi-scale amplitude aware permutation entropy(TSMAAPE)
Kernel extreme learning machine
分类号
TH165.3 [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
一种时移多尺度排列熵与ELM相结合的滚动轴承故障诊断方法
董治麟
郑近德
潘海洋
刘庆运
《机械科学与技术》
CSCD
北大核心
2021
13
在线阅读
下载PDF
职称材料
2
基于CEEMDAN-TSMPE-PCA风力发电机齿轮箱高速轴承故障诊断技术
张玉兰
张宏伟
王新环
《噪声与振动控制》
CSCD
北大核心
2022
13
在线阅读
下载PDF
职称材料
3
基于TSMAAPE与WOA-KELM的液压泵故障诊断
李琨
张久亭
《机床与液压》
北大核心
2022
6
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
