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 +2 位作者 潘海洋 程健 童靳于 《振动与冲击》 北大核心 2025年第9期274-281,共8页

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... 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。 展开更多

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

在线阅读 下载PDF 职称材料

基于复合多尺度模糊熵的滚动轴承故障诊断方法 被引量：26

2

作者 郑近德 潘海洋 +1 位作者 程军圣 张俊 《振动与冲击》 EI CSCD 北大核心 2016年第8期116-123,共8页

为了精确地提取滚动轴承振动信号非线性故障特征,针对多尺度熵(Multi-Scale Entropy,MSE)中粗粒化方式的不足,提出一种新的衡量时间序列自相似性和复杂性的方法——复合多尺度模糊熵(Composite Multi-Scale Fuzzy Entropy,CMFE)。与MSE... 为了精确地提取滚动轴承振动信号非线性故障特征,针对多尺度熵(Multi-Scale Entropy,MSE)中粗粒化方式的不足,提出一种新的衡量时间序列自相似性和复杂性的方法——复合多尺度模糊熵(Composite Multi-Scale Fuzzy Entropy,CMFE)。与MSE相比,CMFE综合同一尺度下多个粗粒化序列的信息,随着尺度因子的增加,熵值变化更加稳定,一致性更好。在此基础上,结合Fisher得分特征选择和支持向量机模式分类,提出了一种新的滚动轴承智能故障诊断方法。将提出的方法应用于滚动轴承实验数据分析,通过对比结果验证了所提出方法的有效性和优越性。 展开更多

关键词 多尺度熵 复合多尺度模糊熵 特征选择 滚动轴承 故障诊断

在线阅读 下载PDF 职称材料

基于精细复合多尺度模糊熵的往复压缩机轴承间隙故障特征分析方法 被引量：16

3

作者 王金东 陈新 +3 位作者 赵海洋 贾川 陈桂娟 雷勇 《机床与液压》 北大核心 2021年第16期185-190,共6页

针对往复压缩机故障信号呈现非线性、非平稳等特点,提出了基于精细复合多尺度模糊熵(RCMFE)的往复压缩机轴承间隙故障特征提取方法。在精细复合多尺度熵的基础上,结合模糊熵概念,提出了RCMFE方法,应用其量化信号非线性特性形成故障特征... 针对往复压缩机故障信号呈现非线性、非平稳等特点,提出了基于精细复合多尺度模糊熵(RCMFE)的往复压缩机轴承间隙故障特征提取方法。在精细复合多尺度熵的基础上,结合模糊熵概念,提出了RCMFE方法,应用其量化信号非线性特性形成故障特征。白噪声和1/f噪声仿真信号分析结果表明:RCMFE熵值对数据长度不敏感,未定义熵出现概率小。以往复压缩机传动机构轴承间隙故障为研究对象,应用RCMFE实现其故障信号特征提取,并与多尺度模糊熵、复合多尺度模糊熵进行对比,该方法特征区分度显著,支持向量机故障识别准确率高于其他方法。 展开更多

关键词 精细复合多尺度模糊熵 往复压缩机 滑动轴承 故障诊断

在线阅读 下载PDF 职称材料

基于复合多尺度交叉模糊熵的行星齿轮箱故障诊断 被引量：11

4

作者 候双珊 郑近德 +2 位作者 潘海洋 童靳于 刘庆运 《振动与冲击》 EI CSCD 北大核心 2023年第20期130-135,171,共7页

模糊熵是衡量时间序列复杂性的非线性动力学分析方法,也是提取齿轮箱非线性故障特征的有效工具。然而模糊熵只对单个时间序列进行复杂性测量,忽略了两个不同时间序列之间模式的相似性。为充分利用振动信号间的丰富信息,将能够有效衡量... 模糊熵是衡量时间序列复杂性的非线性动力学分析方法,也是提取齿轮箱非线性故障特征的有效工具。然而模糊熵只对单个时间序列进行复杂性测量,忽略了两个不同时间序列之间模式的相似性。为充分利用振动信号间的丰富信息,将能够有效衡量两个时间序列同步性、相似性和互预测性的交叉熵理论引入到行星齿轮箱故障诊断中。针对单一尺度的熵值不能完整反映序列间模式复杂性问题,通过复合粗粒化的方式对时间序列进行多尺度分析,提出了衡量两通道时间序列相似性与互预测性的复合多尺度交叉模糊熵方法。在此基础上,提出了一种基于复合多尺度交叉模糊熵和萤火虫优化支持向量机的行星齿轮箱故障诊断方法。最后,将所提的故障诊断方法应用于行星齿轮箱试验数据分析,并与现有方法进行了对比,结果表明所提方法能够有效提取故障特征,并且在故障类型诊断方面有更高的识别率。 展开更多

关键词 交叉模糊熵 多尺度模糊熵 复合多尺度交叉模糊熵 行星齿轮箱 故障诊断

在线阅读 下载PDF 职称材料

分段复合多尺度模糊熵和IGWO-SVM的脑电情感识别 被引量：8

5

作者 魏雪 吴清 《计算机应用研究》 CSCD 北大核心 2019年第11期3310-3314,3356,共6页

为提高脑电的情感识别率,提出了分段复合多尺度模糊熵算法,采用分段粗粒化和计算复合多尺度模糊熵的策略,使提取特征较好地解决了数据缺失和计算不准确的问题;同时构造了应用余弦非线性收敛因子和动静态位置更新的灰狼算法优化支持向量... 为提高脑电的情感识别率,提出了分段复合多尺度模糊熵算法,采用分段粗粒化和计算复合多尺度模糊熵的策略,使提取特征较好地解决了数据缺失和计算不准确的问题;同时构造了应用余弦非线性收敛因子和动静态位置更新的灰狼算法优化支持向量机分类模型。为证明所提两种算法的有效性,进行了仿真实验验证,并在公开DEAP数据库下与几种常见的支持向量机优化模型比较脑电的情感识别率,结果表明在提出的模型下,效价、唤醒度、优势度、喜欢度的平均识别率分别为87.27%、87.81%、89.06%、87.58%,均高于其他算法。另外对比了高/低喜欢度下效价和唤醒度的分类,实验表明喜欢度低时情感识别率较高。 展开更多

关键词 脑电信号 情感识别 改进灰狼优化算法 SVM优化算法 分段复合多尺度模糊熵

在线阅读 下载PDF 职称材料

频带多尺度复合模糊熵及其在轴承故障诊断中的应用 被引量：2

6

作者 童水光 张依东 +1 位作者 徐剑 从飞云 《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2018年第8期1509-1516,共8页

旋转机械设备发生滚动轴承故障的早期,受环境噪声影响,故障特征轻微.为了有效提取滚动轴承的故障信号冲击特征,以时频分析为基础,结合信息熵理论,提出一种频带多尺度复合模糊熵的故障诊断方法.与模糊熵相比,基于方差的频带多尺度复合模... 旋转机械设备发生滚动轴承故障的早期,受环境噪声影响,故障特征轻微.为了有效提取滚动轴承的故障信号冲击特征,以时频分析为基础,结合信息熵理论,提出一种频带多尺度复合模糊熵的故障诊断方法.与模糊熵相比,基于方差的频带多尺度复合模糊熵可以定量地表征非平稳信号的数据信息,抗干扰性强,更好地反映出不同频带分量在时间轴上的变化特性.引入自适应带通滤波器,成功实现对微弱故障的特征提取和故障识别.仿真分析和实验结果表明,提出的方法较传统滤波方法在降噪抑制方面效果更好,能够快速识别滚动轴承的冲击特征. 展开更多

关键词 故障诊断 特征提取 时频分析 频带熵 多尺度复合模糊熵

在线阅读 下载PDF 职称材料

基于集成精细复合多元多尺度模糊熵的齿轮箱故障诊断 被引量：1

7

作者 杨小强 宫建成 +1 位作者 安立周 刘晓明 《机电工程》 CAS 北大核心 2023年第3期335-343,共9页

针对齿轮箱故障信号具有非线性和非平稳性的特点,且目前的方法对其特征提取不够充分这一问题,对不同形式粗粒化方法的集成、多通道信号处理方法在模糊熵算法上的应用进行了研究,提出了一种新的特征提取方法,即集成精细复合多元多尺度模... 针对齿轮箱故障信号具有非线性和非平稳性的特点,且目前的方法对其特征提取不够充分这一问题,对不同形式粗粒化方法的集成、多通道信号处理方法在模糊熵算法上的应用进行了研究,提出了一种新的特征提取方法,即集成精细复合多元多尺度模糊熵(ERCmvMFE)算法,在此基础上,结合t分布随机邻域嵌入(t-SNE)和人工鱼群算法优化的核极限学习机(AFSA-KELM),提出了一种新的齿轮箱故障综合诊断方法。首先,采用多种形式粗粒化方法的集成方法以及多通道信号处理方法,对模糊熵算法进行了改进,并进行了齿轮箱故障的初始特征提取;然后,通过t-SNE压缩原始故障特征,实现了维数的约简,并将低维故障特征输入至AFSA-KELM中进行了故障的分类识别;最后,为了对ERCmvMFE方法的特征提取性能进行测试,采用QPZZ-II旋转机械故障模拟测试平台进行了相关的实验。实验结果表明:采用新的齿轮箱故障综合诊断方法能够对不同类型的齿轮箱故障进行可靠诊断,对齿轮箱5种工况下的20次识别实验中,获得的平均准确率可达98.92%,标准差为0.956,识别准确率和稳定性均优于其他对比方法。研究结果表明:采用ERCmvMFE算法能够更充分地提取出齿轮箱的故障特征,因此,基于该特征提取方法的故障诊断方法具有更高的齿轮箱故障识别准确率。 展开更多

关键词 集成精细复合多元多尺度模糊熵 人工鱼群算法优化的核极限学习机 t分布随机邻域嵌入 特征提取 多粗粒化处理 多通道信号处理 故障分类识别

在线阅读 下载PDF 职称材料

复合层次模糊熵及其在滚动轴承故障诊断中的应用 被引量：19

8

作者 郑近德 潘海洋 +1 位作者 戚晓利 潘紫微 《中国机械工程》 EI CAS CSCD 北大核心 2016年第15期2048-2055,共8页

针对样本熵和多尺度熵中相似性度量函数的突变问题,及它们在分析时间序列复杂性时捕捉不到高频组分信息的局限,提出了一种新的时间序列的复杂性度量方法——复合层次模糊熵(CHFE)。为了有效地提取滚动轴承早期故障特征,提出了一种基于C... 针对样本熵和多尺度熵中相似性度量函数的突变问题,及它们在分析时间序列复杂性时捕捉不到高频组分信息的局限,提出了一种新的时间序列的复杂性度量方法——复合层次模糊熵(CHFE)。为了有效地提取滚动轴承早期故障特征,提出了一种基于CHFE、拉普拉斯分值和支持向量机的滚动轴承故障诊断方法。首先,提取振动信号的CHFE值;其次,采用拉普拉斯分值对特征向量进行降维优化;再次,建立基于支持向量机的多故障分类器,实现滚动轴承的故障诊断;最后,将该方法应用于实验数据分析,结果验证了方法的有效性。 展开更多

关键词 多尺度熵 层次熵 复合层次模糊熵 滚动轴承 故障诊断

在线阅读 下载PDF 职称材料

时移多尺度相位熵在螺栓联接结构松动检测中的应用

9

作者 李伟 周传彪 韩振华 《机电工程》 2025年第9期1724-1733,共10页

风力发电机组的螺栓在其应用过程中易发生松动,会造成机组结构强度降低和振动加剧。针对螺栓松动检测策略普遍存在效率不佳、松动状态表征精度不高的问题,提出了一种结合时移多尺度相位熵(TSMPhE)和鲸鱼优化算法(WOA)优化混合核极限学习... 风力发电机组的螺栓在其应用过程中易发生松动,会造成机组结构强度降低和振动加剧。针对螺栓松动检测策略普遍存在效率不佳、松动状态表征精度不高的问题,提出了一种结合时移多尺度相位熵(TSMPhE)和鲸鱼优化算法(WOA)优化混合核极限学习机(HKELM)的风力发电机组螺栓松动检测策略。首先,对螺栓结构不同松紧程度的振动信号进行了TSMPhE分析,提取了信号中嵌入的反映螺栓松紧程度的特征信息,构造了特征样本;然后,利用WOA对HKELM的参数进行了优化,获得了核参数以及核函数权重最优的HKELM分类器模型;最后,将TSMPhE特征输入至WOA-HKELM中进行了松动检测,以判断螺栓组是否需要进行紧固;采用风力发电机组不同工况下的健康、轻度松动、重度松动和完全松动螺栓振动信号对该方法进行了实验分析,并将其与其他的检测策略进行了对比。研究结果表明:该策略能有效判断不同工况下螺栓的松紧程度,最低检测精度达到了94.38%以上,而平均检测精度也达到了96.56%以上;相较其他检测策略,TSMPhE有更高的检测准确率和更小的准确率波动,准确率至少提高了2.72%,准确率波动减小了0.44。该策略可为螺栓松动的精确和快速检测提供可行的思路。 展开更多

关键词 海上风力发电机组 螺栓联接 松动状态表征精度 时移多尺度相位熵 混合核极限学习机 鲸鱼优化算法

在线阅读 下载PDF 职称材料

基于短时滑移模糊熵和LPP的轴承故障诊断 被引量：6

10

作者 童水光 张依东 +1 位作者 徐剑 从飞云 《振动．测试与诊断》 EI CSCD 北大核心 2018年第4期810-815,共6页

针对旋转机械设备的故障特征微弱和环境噪声强等问题,提出了一种基于短时滑移模糊熵和局部保留投影法(locality preserving projection,简称LPP)的故障特征提取方法。首先,通过对滑移截断短时序列的架构分析,引入多尺度复合模糊熵,获得... 针对旋转机械设备的故障特征微弱和环境噪声强等问题,提出了一种基于短时滑移模糊熵和局部保留投影法(locality preserving projection,简称LPP)的故障特征提取方法。首先,通过对滑移截断短时序列的架构分析,引入多尺度复合模糊熵,获得信号在不同复合尺度下的特征信息和故障潜在特征,能准确反应信号复杂度和不确定性;其次,应用LPP流形降维并保留信号的局部数据特征,设计最优带通滤波器,对轴承振动信号进行故障冲击特征提取。仿真分析和实验数据结果验证了该方法在强背景噪声情况下降噪抑制方面的有效性,具有快速识别和提取滚动轴承的微弱冲击特征的能力。 展开更多

关键词 故障诊断 特征提取 滑移截断短时序列 多尺度复合模糊熵 局部保留投影法

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

11

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

机械振动信号自适应多尺度非线性动力学特征提取方法研究 被引量：13

12

作者 刘敏 范红波 +2 位作者 张英堂 李志宁 杨望灿 《振动与冲击》 EI CSCD 北大核心 2020年第14期224-232,250,共10页

针对机械振动信号的故障特征提取问题,提出了基于独立变分模态分解与多尺度非线性动力学参数的特征提取方法。①提出频谱循环相干系数选取匹配波形对机械振动信号进行端点延拓后再进行VMD分解得到不同频率尺度的IMF分量;②根据互相关准... 针对机械振动信号的故障特征提取问题,提出了基于独立变分模态分解与多尺度非线性动力学参数的特征提取方法。①提出频谱循环相干系数选取匹配波形对机械振动信号进行端点延拓后再进行VMD分解得到不同频率尺度的IMF分量;②根据互相关准则选取有效的IMF分量进行核独立成分分析,分离出相互独立的有效故障特征频带分量;③计算各独立分量的复合多尺度模糊熵偏均值,并利用正交变换将独立分量正交化后构造多维超体,进而利用多维超体体积定义并计算信号的双测度分形维数,从而获得多尺度非线性动力学特征参数,实现机械故障诊断。仿真和实验结果表明:所提方法可有效抑制VMD分解的端点效应和模态混叠,信号分解效果好,特征参数分类精度高,极大地提高了机械故障诊断准确率。 展开更多

关键词 频谱循环相干系数 端点延拓 独立变分模态分解 复合多尺度模糊熵偏均值 双测度分形维数

在线阅读 下载PDF 职称材料

基于RCMFME和AO-ELM的齿轮箱损伤识别策略

13

作者 沈羽 赵旭 《机电工程》 CAS 北大核心 2024年第2期226-235,共10页

针对模糊熵只考虑信号的局部特征而忽略信号的全局特征,导致齿轮箱故障识别的准确率不佳的问题,提出了一种基于精细复合多尺度模糊测度熵(RCMFME)、天鹰优化器(AO)优化极限学习机(ELM)的齿轮箱故障诊断方法。首先,在精细复合多尺度模糊... 针对模糊熵只考虑信号的局部特征而忽略信号的全局特征,导致齿轮箱故障识别的准确率不佳的问题,提出了一种基于精细复合多尺度模糊测度熵(RCMFME)、天鹰优化器(AO)优化极限学习机(ELM)的齿轮箱故障诊断方法。首先,在精细复合多尺度模糊熵的基础上,对矢量的构造方式进行了改进,提出了能够同时考虑时间序列局部特征和全局特征的RCMFME方法;随后,利用RCMFME指标提取了齿轮箱振动信号的熵值,组建了故障特征向量;接着,利用AO算法对极限学习机的参数进行了自适应搜索,生成了参数最优的多类别分类器;最后,将训练样本的故障特征向量输入至AO-ELM分类模型中进行了模型训练,以构造性能最优的分类器,并实现了对齿轮箱测试样本的故障识别目的;利用两种齿轮箱振动数据集进行了实验,在识别准确率和识别稳定性方面,与相关的特征提取方法进行了对比。研究结果表明:采用基于RCMFME和AO-ELM的故障诊断方法能够分别取得100%和98%的分类准确率,平均识别准确率分别达到了100%和98%,优于精细复合多尺度全局模糊熵(RCMGFE)、精细复合多尺度模糊熵(RCMFE)、精细复合多尺度样本熵(RCMSE)。该方法具有显著的应用潜力。 展开更多

关键词 齿轮箱故障诊断 精细复合多尺度模糊测度熵 天鹰优化器 极限学习机 AO-ELM分类模型 特征提取

在线阅读 下载PDF 职称材料

基于VMD-RCMFE的船用柴油机故障特征提取方法

14

作者 王家兴 向阳 陈天佑 《噪声与振动控制》 CSCD 北大核心 2024年第6期172-178,254,共8页

柴油机作为船舶的核心动力来源,一旦发生故障将严重影响船舶安全,为保证船舶及船员安全,需要对船舶柴油机进行故障诊断研究。本文以WP6型船用6缸柴油机为研究对象,对失火、进气滤器堵塞、进气门间隙过大及排气门间隙过大多种故障进行研... 柴油机作为船舶的核心动力来源,一旦发生故障将严重影响船舶安全,为保证船舶及船员安全,需要对船舶柴油机进行故障诊断研究。本文以WP6型船用6缸柴油机为研究对象,对失火、进气滤器堵塞、进气门间隙过大及排气门间隙过大多种故障进行研究。针对船舶柴油机缸盖振动信号的非线性和非平稳特性,提出一种基于变分模态分解(Variational Mode Decomposition,VMD)、精细化复合多尺度模糊熵(Refined Composite Multiscale Fuzzy Entropy,RCMFE)、支持向量机(Support Vector Machines,SVM)的柴油机故障诊断方法。该方法首先利用VMD方法对缸盖振动信号进行降噪处理,然后利用RCMFE方法提取柴油机缸盖振动信号中隐含的故障特征,最后采用SVM模型进行诊断,诊断精度高达99.2%。 展开更多

关键词 故障诊断 船舶柴油机 缸盖振动 变分模态分解 精细化复合多尺度模糊熵

在线阅读 下载PDF 职称材料

基于变分模态分解的癫痫脑电信号分类方法 被引量：15

15

作者 张学军 景鹏 +1 位作者 何涛 孙知信 《电子学报》 EI CAS CSCD 北大核心 2020年第12期2469-2475,共7页

癫痫是一种常见的脑部疾病,通过脑电图能非侵入地定位人脑中的致痫区域.为了辨别病灶性和非病灶性癫痫脑电信号,文章提出一种基于变分模态分解的癫痫脑电信号自动检测方法,首先将原信号分割成多个子信号,并对各子信号进行变分模态分解,... 癫痫是一种常见的脑部疾病,通过脑电图能非侵入地定位人脑中的致痫区域.为了辨别病灶性和非病灶性癫痫脑电信号,文章提出一种基于变分模态分解的癫痫脑电信号自动检测方法,首先将原信号分割成多个子信号,并对各子信号进行变分模态分解,然后从分解后的不同变分模态函数中提取精细复合多尺度散布熵和精细复合多尺度模糊熵两个特征并利用支持向量机进行分类.针对癫痫脑电的公共数据集,最终的实验结果表明,准确率、灵敏度和特异度三个性能指标分别达到94.24%,95.58%和90.64%,ROC曲线下面积达0.978. 展开更多

关键词 癫痫脑电 变分模态分解 精细复合多尺度散布熵 精细复合多尺度模糊熵 支持向量机

在线阅读 下载PDF 职称材料

基于CIELMD与RCMFE的往复压缩机轴承间隙故障特征提取方法 被引量：2

16

作者 陈桂娟 江群 +2 位作者 李玉倩 赵海洋 王金东 《机床与液压》 北大核心 2021年第15期180-187,共8页

针对往复压缩机轴承间隙故障诊断振动信号强非平稳、非线性与特征耦合特性,提出基于复合插值包络局部均值分解(CIELMD)与精细复合多尺度模糊熵(RCMFE)特征提取方法。使用CIELMD方法分解不同轴承间隙故障信号,利用相关系数筛选包含主要... 针对往复压缩机轴承间隙故障诊断振动信号强非平稳、非线性与特征耦合特性,提出基于复合插值包络局部均值分解(CIELMD)与精细复合多尺度模糊熵(RCMFE)特征提取方法。使用CIELMD方法分解不同轴承间隙故障信号,利用相关系数筛选包含主要故障信息的PF分量;通过RCMFE方法定量描述PF分量构成状态特征矩阵,为解决信息冗余问题,进一步使用文化基因算法优选矩阵中平均样本距离最大的元素,构成可分性良好的特征向量。往复压缩机轴承间隙故障模拟信号试验结果表明:该方法提取故障特征可分性强,故障识别准确率高。 展开更多

关键词 复合插值包络局部均值分解 精细复合多尺度模糊熵 特征提取 故障诊断 轴承间隙

在线阅读 下载PDF 职称材料

基于IUPEMD和RCMFE的往复压缩机气阀故障诊断 被引量：1

17

作者 宋美萍 王金东 +1 位作者 赵海洋 于德龙 《机床与液压》 北大核心 2023年第7期208-213,共6页

由于往复压缩机的振动信号非线性、非平稳性的特点,为进一步提高故障识别率,提出一种基于改进的均匀相位经验模态分解(IUPEMD)和精细复合多尺度模糊熵(RCMFE)的往复压缩机气阀故障诊断方法。采用IUPEMD方法对信号进行分解,通过不同的参... 由于往复压缩机的振动信号非线性、非平稳性的特点,为进一步提高故障识别率,提出一种基于改进的均匀相位经验模态分解(IUPEMD)和精细复合多尺度模糊熵(RCMFE)的往复压缩机气阀故障诊断方法。采用IUPEMD方法对信号进行分解,通过不同的参数组合,利用正交性为指标选择最佳IMF分量,有效提高了IUPEMD对非平稳性信号的分解精度,减少模态混叠现象;以峭度为评价指标对分解后的IMF分量进行筛选,并重构信号,求解重构信号的RCMFE,提取故障特征向量;最后,将特征向量输入到支持向量机进行分类识别。试验结果验证了该方法的有效性和优越性。 展开更多

关键词 改进的均匀相位经验模态分解 精细复合多尺度模糊熵 气阀 故障诊断

在线阅读 下载PDF 职称材料

基于ASNBD-CMFE特征信息提取的短时交通流预测 被引量：5

18

作者 彭延峰 彭志华 刘燕飞 《北京交通大学学报》 CAS CSCD 北大核心 2021年第2期28-35,共8页

针对短时交通流数据的非线性和随机性特点,为提高其预测精度,提出了一种基于自适应最稀疏窄带分解(Adaptive Sparsest Narrow-band Decomposition,ASNBD)和复合多尺度模糊熵(Composite Multiscale Fuzzy Entropy,CMFE)的短时交通流数据... 针对短时交通流数据的非线性和随机性特点,为提高其预测精度,提出了一种基于自适应最稀疏窄带分解(Adaptive Sparsest Narrow-band Decomposition,ASNBD)和复合多尺度模糊熵(Composite Multiscale Fuzzy Entropy,CMFE)的短时交通流数据特征信息提取方法.首先利用ASNBD将短时交通流数据分解成若干个内禀窄带分量,分别求出每个分量的CMFE.根据CMFE反映的不同分量的非线性程度选取有效分量,从而提取数据的非线性特征.然后根据非线性分析的结果分别对每个分量建立支持向量机网络模型,针对每个分量的自身特点选择不同的模型训练参数,以提高单个模型预测精度.最后将各个预测值进行累加并得出预测结果.实验结果表明,该方法能有效应用于短时交通流数据特征信息的提取,进而提高预测精度. 展开更多

关键词 智能交通 自适应最稀疏窄带分解 复合多尺度模糊熵 最小二乘支持向量机 短时交通流

在线阅读 下载PDF 职称材料

基于RCMDE和KFCM的煤矿电网故障选线方法 被引量：6

19

作者 韩国国 史小军 +2 位作者 王晖 程卫健 穆艳祥 《工矿自动化》 北大核心 2022年第8期92-99,共8页

针对普遍采用谐振接地系统的煤矿电网发生单相接地故障时难以准确选线的问题,提出一种基于精细复合多尺度散布熵(RCMDE)和核模糊C均值聚类(KFCM)的煤矿电网故障选线方法。以幅值、极性和波形相似度作为选线特征量具有以下局限性:基于幅... 针对普遍采用谐振接地系统的煤矿电网发生单相接地故障时难以准确选线的问题,提出一种基于精细复合多尺度散布熵(RCMDE)和核模糊C均值聚类(KFCM)的煤矿电网故障选线方法。以幅值、极性和波形相似度作为选线特征量具有以下局限性:基于幅值和极性差异的选线方法适用性有限;若线路中的零序电流互感器极性接反,基于极性的方法直接失效;采样不同步时,基于波形相似度的选线方法难以得到正确结果。为克服上述局限性,引入RCMDE来度量各线路暂态零序电流信号的复杂程度和不规则度,以RCMDE作为选线特征量。采用KFCM算法对RCMDE进行聚类分析,以实现故障线路自动识别,并通过判断轮廓系数是否超过阈值来区分母线故障和馈线故障。最后,通过聚类得到的隶属度矩阵判断馈线故障点所在线路。仿真结果表明:①故障点所在的故障线路对应的RCMDE曲线与非故障线路间具有较大差异,可分为2类。RCMDE可作为筛选故障线路的特征指标。②发生母线故障时聚类结果中存在平均轮廓系数小于阈值的分簇,而发生馈线故障时聚类结果各分簇的轮廓系数均大于阈值,在各类故障场景下,基于RCMDE和KFCM的煤矿电网故障选线方法均能实现正确选线,说明其准确性不受故障线路、故障位置、故障合闸角及接地电阻等因素的影响。③在噪声干扰情况下,基于RCMDE和KFCM的煤矿电网故障选线方法在小电阻接地或高阻接地情况下均能实现正确选线,具有较强的抗干扰能力。④在采样不同步及故障线路零序电流互感器极性反接等情况下,基于RCMDE和KFCM的煤矿电网故障选线方法仍可实现正确选线,选线结果具有较高的鲁棒性。 展开更多

关键词 谐振接地系统 煤矿电网 单相接地故障 故障选线 精细复合多尺度散布熵 核模糊C均值聚类 暂态零序电流

在线阅读 下载PDF 职称材料

基于自适应RCGmvMFE和流行学习的滚动轴承故障诊断 被引量：4

20

作者 刘武强 杨小强 申金星 《机械强度》 CAS CSCD 北大核心 2022年第1期9-18,共10页

多尺度模糊熵能够较好的量化振动信号的复杂程度,但缺乏对其他信道信息的有效利用,为了充分利用其他信道的振动信息,将表征同步多通道数据多变量复杂度的多变量熵理论应用到轴承故障诊断中。为了准确提取轴承信号中的故障特征,提出了基... 多尺度模糊熵能够较好的量化振动信号的复杂程度,但缺乏对其他信道信息的有效利用,为了充分利用其他信道的振动信息,将表征同步多通道数据多变量复杂度的多变量熵理论应用到轴承故障诊断中。为了准确提取轴承信号中的故障特征,提出了基于自适应噪声完备集成经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)和精细复合广义多变量多尺度模糊熵(Refined Composite Generalized Multivariate Multiscale Fuzzy Entropy,RCGmvMFE)的轴承多故障诊断方法。首先利用CEEMDAN对多信道的源信号进行分解获得无模式混叠的IMF。然后采用相关性分析方法对IMF分量进行筛选,选出对故障特征敏感的IMF作为多通道数据构成多元变量,并计算其RCGmvMFE组成故障特征。随后采用t分布随机邻域嵌入(t-distributed Stochastic Neighbor Embedding,t-SNE)对高维特征进行维数约简。最后利用鲸鱼优化算法(Whale Optimization Algorithm,WOA)优化核极限学习机(Kernel Extreme Learning Machine,KELM)对低维故障特征进行分类。实验结果表明,该方法能够有效地诊断轴承不同程度的故障,为滚动轴承的故障诊断提供了补充方法。 展开更多

关键词 CEEMDAN 精细复合广义多变量多尺度模糊熵 敏感IMF t分布随机邻域嵌入 流行学习 滚动轴承 故障诊断

在线阅读 下载PDF 职称材料