检索结果-维普期刊中文期刊服务平台

基于RCMFFDE和SSA-RVM的旋转机械损伤检测模型被引量：1: 1; 作者王显彬孙阳《机电工程》北大核心 2025年第3期510-519,共10页; 针对旋转机械系统的振动信号具有明显的非线性,严重影响故障特征提取从而导致其识别精度不佳的问题,建立了一种基于精细复合多尺度分数波动散布熵(RCMFFDE)、t-分布随机邻域嵌入(t-SNE)和麻雀搜索算法优化相关向量机(SSA-RVM)的旋转机... 展开更多; 关键词非线性振动信号特征提取时间故障识别精度(诊断精度) 精细复合多尺度分数波动散布熵 t-分布随机邻域嵌入麻雀搜索算法优化相关向量机; 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: 2; 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SORT映射的IRCMFDE在旋转机械故障诊断中的应用被引量：2: 3; 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

精细复合多尺度波动散布熵在液压泵故障诊断中的应用被引量：30: 4; 作者姜万录赵亚鹏 +1 位作者张淑清李满《振动与冲击》 EI CSCD 北大核心 2022年第8期7-16,共10页; 液压泵振动信号具有非线性、非平稳性的特点,熵算法在该类信号分析方面有着独到的优势,但传统的熵算法在液压泵振动信号特征提取中有计算速度慢、熵值不准确、不稳定等不足,为了更有效地提取故障特征信息并提高故障诊断准确性,将精细复... 展开更多; 关键词波动散布熵精细复合多尺度波动散布熵(RCMFDE) 粒子群优化支持向量机故障诊断液压泵; 在线阅读下载PDF 职称材料

题名基于RCMFFDE和SSA-RVM的旋转机械损伤检测模型被引量：1: 1; 作者王显彬孙阳; 机构福建船政交通职业学院通用航空产业学院浙江工业大学机械工程学院; 出处《机电工程》北大核心 2025年第3期510-519,共10页; 基金福建省引导性科技计划项目(2023H0027)。; 文摘针对旋转机械系统的振动信号具有明显的非线性,严重影响故障特征提取从而导致其识别精度不佳的问题,建立了一种基于精细复合多尺度分数波动散布熵(RCMFFDE)、t-分布随机邻域嵌入(t-SNE)和麻雀搜索算法优化相关向量机(SSA-RVM)的旋转机械损伤检测模型。首先,进行了基于RCMFFDE方法的特征提取,生成了特征样本,以定量反映旋转机械的不同损伤情况;然后,采用t-SNE方法,将原始高维故障特征映射至低维空间,获得了对故障更敏感的低维特征;最后,将敏感的低维故障特征向量输入至SSA-RVM多分类器中,进行了训练和测试,实现了旋转机械样本的故障识别目的;采用两种旋转机械数据集进行了实验,并从准确率、效率和抗噪性方面,将RCMFFDE-SSA-SVM方法与多种特征提取方法进行了对比。研究结果表明:RCMFFDE能用于有效提取旋转机械的故障特征,分别取得99.2%和100%的识别精度;而对敏感特征进行分类所获得的精度优于对原始特征进行分类的情形,前者比后者提高了4%;在模式识别中,SSA-RVM优于其他分类器;自制数据集的诊断精度达到了97%,特征提取的时间为16.05 s。; 关键词非线性振动信号特征提取时间故障识别精度(诊断精度) 精细复合多尺度分数波动散布熵 t-分布随机邻域嵌入麻雀搜索算法优化相关向量机; Keywords nonlinear vibration signal feature extraction time fault identification accuracy(diagnosis accuracy) refined composite multiscale fractional fluctuation dispersion entropy(rcmffde) t-distributed stochastic neighbor embedding(t-SNE) sparrow search algorithm optimized relevance vector machine(SSA-RVM); 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: 2; 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SORT映射的IRCMFDE在旋转机械故障诊断中的应用被引量：2: 3; 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

题名精细复合多尺度波动散布熵在液压泵故障诊断中的应用被引量：30: 4; 作者姜万录赵亚鹏张淑清李满; 机构燕山大学河北省重型机械流体动力传输与控制重点实验室燕山大学先进锻压成形技术与科学教育部重点实验室燕山大学电气工程学院; 出处《振动与冲击》 EI CSCD 北大核心 2022年第8期7-16,共10页; 基金国家自然科学基金项目(51875498) 河北省自然科学基金重点项目(E2018203339,F2020203058)。; 文摘液压泵振动信号具有非线性、非平稳性的特点,熵算法在该类信号分析方面有着独到的优势,但传统的熵算法在液压泵振动信号特征提取中有计算速度慢、熵值不准确、不稳定等不足,为了更有效地提取故障特征信息并提高故障诊断准确性,将精细复合多尺度波动散布熵(refined composite multiscale fluctuation dispersion entropy,RCMFDE)引入到液压泵的故障特征提取中,提出了一种基于RCMFDE和粒子群优化支持向量机结合的液压泵故障诊断方法。计算不同故障振动信号的RCMFDE,并选取合适尺度下的多个RCMFDE值作为特征向量形成特征样本,输入粒子群优化支持向量机中进行故障分类识别。通过仿真信号和液压泵故障实测信号进行分析,并将所提出的方法与基于多尺度样本熵(multiscale sample entropy,MSE)、多尺度排列熵(multiscale permutation entropy,MPE)、多尺度符号动态熵(multiscale symbolic dynamic entropy,MSDE)、多尺度散布熵(multiscale dispersion entropy,MDE)、精细复合多尺度散布熵(refined composite multiscale dispersion entropy,RCMDE)、多尺度波动散布熵(multiscale fluctuation dispersion entropy,MFDE)的故障特征提取方法进行对比。试验结果表明,该方法能够更加准确地识别多类液压泵故障并能对液压泵性能退化程度进行有效评估。; 关键词波动散布熵精细复合多尺度波动散布熵(RCMFDE) 粒子群优化支持向量机故障诊断液压泵; Keywords fluctuation dispersion entropy refined composite multiscale fluctuation dispersion entropy(RCMFDE) particle warm optimization support vector machine fault diagnosis hydraulic pump; 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	基于RCMFFDE和SSA-RVM的旋转机械损伤检测模型	王显彬孙阳	《机电工程》北大核心	2025	1	在线阅读下载PDF 职称材料
2	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
3	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
4	精细复合多尺度波动散布熵在液压泵故障诊断中的应用	姜万录赵亚鹏张淑清李满	《振动与冲击》 EI CSCD 北大核心	2022	30	在线阅读下载PDF 职称材料