期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
基于RTSMFE、M-KRCDA与COA-SVM的行星齿轮箱故障诊断 被引量:5
1
作者 戚晓利 崔创创 +2 位作者 杨艳 程主梓 陈旭 《振动与冲击》 EI CSCD 北大核心 2022年第21期109-120,共12页
针对从行星齿轮箱非线性、非平稳振动信号中提取故障特征困难的问题,提出了一种基于精细时移多尺度模糊熵(refined time-shift multiscale fuzzy entropy,RTSMFE)、马氏距离的核正则化共面判别分析(Mahalanobis-kernel regularized copl... 针对从行星齿轮箱非线性、非平稳振动信号中提取故障特征困难的问题,提出了一种基于精细时移多尺度模糊熵(refined time-shift multiscale fuzzy entropy,RTSMFE)、马氏距离的核正则化共面判别分析(Mahalanobis-kernel regularized coplanar discriminant analysis,M-KRCDA)以及郊狼优化算法优化支持向量机(coyote optimization algorithm-support vector machine,COA-SVM)的行星齿轮箱故障诊断方法。首先利用RTSMFE计算和组合行星齿轮箱原始故障信号的特征向量,构建原始高维故障特征集;然后采用M-KRCDA的特征筛选方法,减少了特征的维数并提高特征故障识别的准确性和效率;最后将低维特征输入到COA-SVM进行故障类型的判别。行星齿轮箱故障诊断试验结果分析表明,所提方法能够准确识别行星齿轮箱的常见故障,具有一定的应用前景。 展开更多
关键词 故障诊断 行星齿轮箱 精细时移多尺度模糊熵(rtsmfe) 马氏距离的核正则化共面判别分析(M-KRCDA) 郊狼优化算法优化支持向量机(COA-SVM)
在线阅读 下载PDF
基于变分模态分解的癫痫脑电信号分类方法 被引量:15
2
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
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
3
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
基于RCMDE和KFCM的煤矿电网故障选线方法 被引量:6
4
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
上一页 1 下一页 到第
使用帮助 返回顶部