检索结果-维普期刊中文期刊服务平台

基于IRCMMRDE和HHO-PNN的轴承损伤辨识模型: 1; 作者桂芳李健刘磊《机电工程》北大核心 2025年第1期62-71,共10页; 采用单通道振动信号无法完全准确表征轴承多角度的故障信息,导致特征提取不够充分。针对这一缺陷,构建了一种基于改进精细复合多元多尺度反向散布熵(IRCMMRDE)和参数优化概率神经网络(PNN)的滚动轴承损伤辨识模型。首先,使用了振动加速... 展开更多; 关键词滚动轴承故障诊断改进精细复合多元多尺度反向散布熵概率神经网络多通道信号哈里斯鹰优化器; 在线阅读下载PDF 职称材料

基于声振信号融合的IRCMMDE离心泵损伤检测方法被引量：6: 2; 作者陆春元焦洪宇《机电工程》 CAS 北大核心 2023年第6期952-959,共8页; 离心泵早期的损伤特征比较微弱,难以有效提取其故障特征。针对这一问题,提出了一种基于声振信号融合的改进精细复合多元多尺度散布熵(IRCMMDE)和GWO-SVM的离心泵损伤检测方法。首先,利用多个传感器收集了离心泵在不同损伤状态下的声音... 展开更多; 关键词声振信号融合离心泵损伤检测改进精细复合多元多尺度散布熵灰狼算法支持向量机; 在线阅读下载PDF 职称材料

基于SPA和IRCMMPE的旋转机械损伤识别方法: 3; 作者李恒亮张思婉郭衡《机电工程》北大核心 2025年第6期1045-1054,共10页; 基于单通道信号的旋转机械故障诊断方法的故障诊断效果通常比较依赖信号的质量,针对这一问题,提出了一种基于平滑先验分析(SPA)、改进精细复合多变量多尺度排列熵(IRCMMPE)和麻雀搜索算法优化支持向量机(SSA-SVM)的旋转机械损伤识别策... 展开更多; 关键词旋转机械单通道信号故障诊断麻雀搜索算法优化支持向量机改进精细复合多变量多尺度排列熵平滑先验分析离心泵滚动轴承; 在线阅读下载PDF 职称材料

基于多元精细复合多尺度波动散布熵和累积欧氏距离矩阵测度的风电机组变桨轴承退化状态评估被引量：3: 4; 作者王晓龙李英晟 +1 位作者付锐棋何玉灵《动力工程学报》 CAS CSCD 北大核心 2024年第5期782-791,共10页; 针对风电机组变桨轴承服役过程环境噪声干扰严重、退化状态评估精度低的问题,提出一种基于多元精细复合多尺度波动散布熵和累积欧氏距离矩阵测度的退化状态评估模型。该模型将监测数据状态特征获取过程由单通道拓展为多通道进行,通过提... 展开更多; 关键词风电机组变桨轴承退化状态评估多元精细复合多尺度波动散布熵累积欧氏距离矩阵测度; 在线阅读下载PDF 职称材料

基于精细复合多尺度散布熵的抗蛇行减振器故障诊断被引量：2: 5; 作者岑潮宇代亮成 +3 位作者池茂儒赵明花郭兆团曾鹏程《铁道科学与工程学报》 EI CAS CSCD 北大核心 2024年第10期4334-4343,共10页; 抗蛇行减振器作为高速列车关键悬挂元件在减轻列车横向振动提高安全性和稳定性上有重要作用,为实现对抗蛇行减振器故障进行精确诊断,针对非线性振动信号故障特征不明显的问题,提出一种自适应噪声完备集合经验模态分解(Complete ensemble... 展开更多; 关键词抗蛇行减振器故障诊断改进麻雀算法精细复合多尺度散布熵支持向量机; 在线阅读下载PDF 职称材料

基于SORT映射的IRCMFDE在旋转机械故障诊断中的应用被引量：2: 6; 作者王潞红邹平吉《机电工程》北大核心 2024年第1期11-21,共11页; 针对旋转机械振动信号的强非线性和非平稳性,导致故障特征提取困难的问题,提出了一种基于SORT映射的改进精细复合多尺度波动散布熵(IRCMFDE)和蝙蝠算法优化的相关向量机(BA-RVM)的旋转机械故障诊断方法。首先,利用SORT映射函数替换了精... 展开更多; 关键词改进精细复合多尺度波动散布熵 SORT映射蝙蝠算法优化的相关向量机旋转机械故障分类识别; 在线阅读下载PDF 职称材料

题名基于IRCMMRDE和HHO-PNN的轴承损伤辨识模型: 1; 作者桂芳李健刘磊; 机构安徽省第一轻工业学校工业工程系合肥工业大学机械工程学院; 出处《机电工程》北大核心 2025年第1期62-71,共10页; 基金国家自然科学基金资助项目(52075142)。; 文摘采用单通道振动信号无法完全准确表征轴承多角度的故障信息,导致特征提取不够充分。针对这一缺陷,构建了一种基于改进精细复合多元多尺度反向散布熵(IRCMMRDE)和参数优化概率神经网络(PNN)的滚动轴承损伤辨识模型。首先,使用了振动加速度计和麦克风两种类型的传感器,同时获得了滚动轴承不同工况下的振动和声音信号,构建了故障信息量更丰富的多通道信号;随后,提出了能够同步分析多通道信号的IRCMMRDE方法,并将其用于提取滚动轴承多通道信号的故障特征;接着,采用哈里斯鹰优化器(HHO)对概率神经网络的平滑因子进行了自适应寻优,构造了网络结构最优的PNN模型;最后,将损伤样本输入至HHO-PNN模型中,进行了故障的分类识别,完成了滚动轴承样本的故障辨识;并基于滚动轴承声振信号数据集,对基于IRCMMRDE-HHO-PNN的故障诊断方法的有效性进行了验证。研究结果表明:基于IRCMMRDE和HHO-PNN的故障诊断方法的准确率达到了99.6%,平均的识别准确率达到了99.8%,优于其他多种特征提取方法;同时,对多通道融合信号进行分析取得的准确率优于单个通道的信号,准确率分别提高了8.8%和4.8%;此外,HHO-PNN分类器模型的诊断性能优于其他分类模型,更具有泛化性和实用性。; 关键词滚动轴承故障诊断改进精细复合多元多尺度反向散布熵概率神经网络多通道信号哈里斯鹰优化器; Keywords rolling bearing fault diagnosis improved refined composite multivariate multiscale reverse dispersion entropy(IRCMMRDE) probabilistic neural network(PNN) multichannel signal Harris Hawk optimizer(HHO); 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

题名基于声振信号融合的IRCMMDE离心泵损伤检测方法被引量：6: 2; 作者陆春元焦洪宇; 机构苏州市职业大学机电工程学院常熟理工学院汽车工程学院; 出处《机电工程》 CAS 北大核心 2023年第6期952-959,共8页; 基金国家自然科学基金资助项目(51605046) 江苏政府留学奖学金资助项目(JS-2017-188)。; 文摘离心泵早期的损伤特征比较微弱,难以有效提取其故障特征。针对这一问题,提出了一种基于声振信号融合的改进精细复合多元多尺度散布熵(IRCMMDE)和GWO-SVM的离心泵损伤检测方法。首先,利用多个传感器收集了离心泵在不同损伤状态下的声音和振动信号,并将声音和振动信号进行了融合,以充分利用不同类型信号中所蕴含的损伤特征信息;随后,针对多元多尺度散布熵(MMDE)不稳定的缺陷,对MMDE的粗粒化处理进行了优化,提出了改进精细复合多元多尺度散布熵(IRCMMDE)的复杂性测量指标;接着,利用IRCMMDE对声振融合信号进行了损伤特征提取,构建了各个损伤状态下的特征矩阵;最后,利用灰狼算法优化的支持向量机分类器,对各个损伤状态下的特征矩阵进行了识别,得到了最终的离心泵损伤检测结论。研究结果表明:采用基于声振信号融合的离心泵损伤检测方法,其最高可达到99.2%的故障识别准确率,相比于基于MMDE和RCMMDE的损伤检测方法,其能够更准确地识别出离心泵的损伤;该方法还能有效缓解单一信号检测时的不确定性,并且在多次实验验证下,其仍具有很高的检测精度。; 关键词声振信号融合离心泵损伤检测改进精细复合多元多尺度散布熵灰狼算法支持向量机; Keywords acoustic vibration signal fusion damage detection of centrifugal pump improved refined composite multivariate multiscale dispersion entropy(ircmmde) grey wolf optimizer(GWO) support vector machine(SVM); 分类号 TH311 [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SPA和IRCMMPE的旋转机械损伤识别方法: 3; 作者李恒亮张思婉郭衡; 机构河南轻工职业学院机电系郑州铁路职业技术学院机电工程学院武汉科技大学机械自动化学院; 出处《机电工程》北大核心 2025年第6期1045-1054,共10页; 基金国家自然科学基金资助项目(52075395)。; 文摘基于单通道信号的旋转机械故障诊断方法的故障诊断效果通常比较依赖信号的质量,针对这一问题,提出了一种基于平滑先验分析(SPA)、改进精细复合多变量多尺度排列熵(IRCMMPE)和麻雀搜索算法优化支持向量机(SSA-SVM)的旋转机械损伤识别策略。首先,使用SPA将单通道信号分解为趋势项和去趋势项两种完全不同的分量,减少了分量的冗余,并将其组装为多通道信号以实现对样本的扩充;然后,采用IRCMMPE对多通道信号进行了特征提取以对比验证两个分量之间的相关性,获取了更能反映故障特性的特征;最后,将故障特征输入至SSA-SVM分类器中进行了故障识别,完成了对旋转机械的故障辨识和故障程度的判断,利用三个旋转机械数据集对SPA-IRCMMPE故障诊断方法的有效性进行了实验分析,并与其他故障诊断方法进行了对比研究。研究结果表明:SPA-IRCMMPE模型在诊断旋转机械不同故障类型时分别取得了100%和99.2%的识别准确率,平均识别准确率分别为99.76%和99.92%;而自制数据集的诊断精度达到了100%。相较于其他故障诊断方法,SPA-IRCMMPE模型仅需使用单个通道的振动信号且无需进行分量重要性评估,避免了分量取舍的问题,对振动信号的利用效率较高。; 关键词旋转机械单通道信号故障诊断麻雀搜索算法优化支持向量机改进精细复合多变量多尺度排列熵平滑先验分析离心泵滚动轴承; Keywords single channel signal of rotating machinery fault diagnosis sparrow search algorithm optimized support vector machine(SSA-SVM) improved refined composite multivariate multiscale permutation entropy(IRCMMPE) smooth prior analysis(SPA) centrifugal pump rolling bearing; 分类号 TH133 [机械工程—机械制造及自动化]; 在线阅读下载PDF 职称材料

题名基于多元精细复合多尺度波动散布熵和累积欧氏距离矩阵测度的风电机组变桨轴承退化状态评估被引量：3: 4; 作者王晓龙李英晟付锐棋何玉灵; 机构华北电力大学机械工程系华北电力大学河北省电力机械装备健康维护与失效预防重点实验室; 出处《动力工程学报》 CAS CSCD 北大核心 2024年第5期782-791,共10页; 基金国家自然科学基金资助项目(52005180) 河北省自然科学基金资助项目(E2022502003) +1 种基金中央高校基本科研业务费专项资金资助项目(2023MS127)。; 文摘针对风电机组变桨轴承服役过程环境噪声干扰严重、退化状态评估精度低的问题,提出一种基于多元精细复合多尺度波动散布熵和累积欧氏距离矩阵测度的退化状态评估模型。该模型将监测数据状态特征获取过程由单通道拓展为多通道进行,通过提出的多元精细复合多尺度波动散布熵算法来获取多通道监测数据的多尺度状态特征,并将累积和检验算法与欧氏距离矩阵测度方法相结合,用于定量衡量基准样本与待分析样本间的差异,从而实现变桨轴承退化状态评估。风电机组变桨轴承全寿命周期加速疲劳实验验证结果表明:该模型能够及时捕捉到变桨轴承的初始退化时刻并且准确跟踪整个退化过程。; 关键词风电机组变桨轴承退化状态评估多元精细复合多尺度波动散布熵累积欧氏距离矩阵测度; Keywords wind turbine generator set pitch bearing degradation state evaluation multivariant refined composite multiscale fluctuation dispersion entropy cumulative Euclidean distance matrix measure; 分类号 TM315 [电气工程—电机]; 在线阅读下载PDF 职称材料

题名基于精细复合多尺度散布熵的抗蛇行减振器故障诊断被引量：2: 5; 作者岑潮宇代亮成池茂儒赵明花郭兆团曾鹏程; 机构西南交通大学轨道交通运载系统全国重点实验室; 出处《铁道科学与工程学报》 EI CAS CSCD 北大核心 2024年第10期4334-4343,共10页; 基金国家重点研发计划资助项目(2022YFB4301303)。; 文摘抗蛇行减振器作为高速列车关键悬挂元件在减轻列车横向振动提高安全性和稳定性上有重要作用,为实现对抗蛇行减振器故障进行精确诊断,针对非线性振动信号故障特征不明显的问题,提出一种自适应噪声完备集合经验模态分解(Complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)与精细复合多尺度散布熵结合的故障诊断方法。首先采用CEEMDAN分解信号得到本征模态函数(Intrinsic mode function,IMF),计算精细复合多尺度散布熵组成特征集,然后融合多个通道振动信号特征并用核主成分分析法进行降维,将降维后的特征集分成训练集和测试集,最后输入到改进麻雀算法优化的支持向量机模型中进行训练与诊断。为验证方法的可行性,以机车滚动振动试验台模拟列车运行的不同速度,设置抗蛇行减振器故障工况,通过转向架和车体多个位置传感器获得试验数据进行分析。研究结果表明,经过优选的特征集能更好地捕捉抗蛇行减振器故障的特征信息,与未经优选的特征集相比故障诊断结果正确率有所提升;多通道融合特征的方法与单通道相比反映故障信息更加全面,补偿了单一通道诊断结果精确度低的不足,进一步提高了故障诊断结果正确率;改进麻雀算法优化了模型参数,解决了参数设计的盲目性,提高了模型分类识别能力,并与其他算法相比验证了优越性。运用该方法对抗蛇行减振器进行故障诊断,能够有效诊断出抗蛇行减振器故障类型,为抗蛇行减振器故障诊断提供了一种新的方法。; 关键词抗蛇行减振器故障诊断改进麻雀算法精细复合多尺度散布熵支持向量机; Keywords yaw damper fault diagnosis improved sparrow algorithm refined composite multiscale dispersion entropy support vector machine; 分类号 U279.323 [机械工程—车辆工程]; 在线阅读下载PDF 职称材料

题名基于SORT映射的IRCMFDE在旋转机械故障诊断中的应用被引量：2: 6; 作者王潞红邹平吉; 机构中国矿业大学机电工程学院长治职业技术学院机械电子工程系兰州职业技术学院人事处; 出处《机电工程》北大核心 2024年第1期11-21,共11页; 基金山西省基础研究计划项目(20210302124485)。; 文摘针对旋转机械振动信号的强非线性和非平稳性,导致故障特征提取困难的问题,提出了一种基于SORT映射的改进精细复合多尺度波动散布熵(IRCMFDE)和蝙蝠算法优化的相关向量机(BA-RVM)的旋转机械故障诊断方法。首先,利用SORT映射函数替换了精细复合多尺度波动散布熵(RCMFDE)方法的正态累积分布函数,同时对RCMFDE方法的粗粒化方式进行了改进,提出了基于SORT映射的IRCMFDE方法;随后,利用IRCMFDE方法提取了旋转机械振动信号的故障特征,构造了故障特征集;最后,采用BA-RVM分类器对旋转机械的故障类型进行了智能化的识别和分类;将基于IRCMFDE和BA-RVM的故障诊断方法应用于滚动轴承、离心泵和齿轮箱的实验数据分析,并将其与现有故障诊断方法进行了对比分析。研究结果表明:基于IRCMFDE和BA-RVM的故障诊断方法能够有效地识别旋转机械的故障状态,识别准确率分别达到了100%、98%和99%,相比基于RCMFDE、精细复合多尺度熵、精细复合多尺度模糊熵、精细复合多尺度排列熵和精细复合多尺度散布熵的故障特征提取方法,该故障诊断方法的效率和平均识别准确率均优于对比方法,其更适合应用于旋转机械的在线实时故障监测。; 关键词改进精细复合多尺度波动散布熵 SORT映射蝙蝠算法优化的相关向量机旋转机械故障分类识别; Keywords improved refined composite multiscale fluctuation dispersion entropy(IRCMFDE) SORT mapping bat algorithm optimized relevant vector machine(BA-RVM) rotating machinery fault classification and identification; 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	基于IRCMMRDE和HHO-PNN的轴承损伤辨识模型	桂芳李健刘磊	《机电工程》北大核心	2025	0	在线阅读下载PDF 职称材料
2	基于声振信号融合的IRCMMDE离心泵损伤检测方法	陆春元焦洪宇	《机电工程》 CAS 北大核心	2023	6	在线阅读下载PDF 职称材料
3	基于SPA和IRCMMPE的旋转机械损伤识别方法	李恒亮张思婉郭衡	《机电工程》北大核心	2025	0	在线阅读下载PDF 职称材料
4	基于多元精细复合多尺度波动散布熵和累积欧氏距离矩阵测度的风电机组变桨轴承退化状态评估	王晓龙李英晟付锐棋何玉灵	《动力工程学报》 CAS CSCD 北大核心	2024	3	在线阅读下载PDF 职称材料
5	基于精细复合多尺度散布熵的抗蛇行减振器故障诊断	岑潮宇代亮成池茂儒赵明花郭兆团曾鹏程	《铁道科学与工程学报》 EI CAS CSCD 北大核心	2024	2	在线阅读下载PDF 职称材料
6	基于SORT映射的IRCMFDE在旋转机械故障诊断中的应用	王潞红邹平吉	《机电工程》北大核心	2024	2	在线阅读下载PDF 职称材料