-
题名复合多尺度包络模糊熵在滚动轴承故障诊断中的应用
- 1
-
-
作者
李姜宏
郑近德
潘海洋
程健
童靳于
-
机构
安徽工业大学机械工程学院
安徽省智能破拆装备工程实验室
-
出处
《振动与冲击》
北大核心
2025年第9期274-281,共8页
-
基金
国家自然科学基金(51975004)
安徽省自然科学基金(2008085QE215)。
-
文摘
模糊熵(fuzzy entropy, FE)自提出以来就被广泛用于滚动轴承振动信号的时间序列复杂性度量,但模糊熵在单一时间序列的分析中可能无法充分捕获轴承振动信号所有故障特征。针对这一弊端,定义出一种包络模糊熵(envelope fuzzy entropy, EFE)作为新的复杂性度量指标。进一步利用复合粗粒化的方式对时间序列的包络信号进行复合多尺度处理,提出了复合多尺度包络模糊熵(composite multi-scale envelope fuzzy entropy, CMEFE),旨在全面揭示信号的故障特征。此外,通过仿真信号验证了CMEFE能够区分不同类型的模拟信号,对比其他非线性动力学方法,结果表明提出的方法对于不同模拟信号的区分效果更为显著。在此基础上,提出一种基于复合多尺度包络模糊熵与萤火虫优化支持向量机的滚动轴承故障诊断方法。与现有方法进行对比,验证了该方法的可行性与优越性。
-
关键词
模糊熵(fe)
包络模糊熵(Efe)
多尺度模糊熵
复合多尺度包络模糊熵(CMEfe)
萤火虫优化支持向量机
滚动轴承故障诊断
-
Keywords
fuzzy entropy(fe)
envelope fuzzy entropy(Efe)
multi-scale fuzzy entropy
composite multi-scale envelope fuzzy entropy(CMEfe)
firefly optimization support vector machine
rolling bearing fault diagnosis
-
分类号
TH165.3
[机械工程—机械制造及自动化]
-
-
题名基于脑电信号模糊熵的驾驶疲劳检测分析
被引量：9
- 2
-
-
作者
胡剑锋
王涛涛
-
机构
江西科技学院协同创新中心
-
出处
《中国安全科学学报》
CAS
CSCD
北大核心
2018年第4期13-18,共6页
-
基金
国家自然科学基金资助(61762045)
江西省自然科学基金资助(20171BAB202031)
+1 种基金
江西省教育厅科技项目重点课题(GJJ151146)
江西省博士后科研项目资助(2017KY33)
-
文摘
为减少因驾驶疲劳导致的交通安全事故,提出基于脑电（EEG）信号模糊熵（FE）的驾驶疲劳检测方法。开展在驾驶仿真模拟试验,采集28名被试模拟正常驾驶和疲劳驾驶的EEG信号;基于2种驾驶状态的EEG信号计算出FE值;运用随机森林（RF）、支持向量机（SVM）、决策树（DT）和K近邻（KNN）等4种分类器检测驾驶疲劳状态;利用多种性能指标及被试工作特征曲线（ROC）对驾驶疲劳检测结果进行分析比较。结果表明：基于疲劳驾驶状态下的EEG信号的FE值明显高于较正常驾驶状态下的值;4种分类器均可有效检测驾驶疲劳,其中K近邻的平均准确率达97.4%;基于EEG信号模糊熵的驾驶疲劳检测方法具有较好的鲁棒性和稳定性。
-
关键词
脑电(EEG)信号
模糊熵(fe)
疲劳驾驶
被试工作特征(ROC)曲线
分类器
-
Keywords
electroencephalogram （EEG）receiver operating characteristicfuzzy entropy （fe）
driving fatigue
（ROC） curve
classifie
-
分类号
X910
[环境科学与工程—安全科学]
-
