论文摘要
多尺度熵是一种有效衡量机械振动信号复杂度的非线性动力学方法。针对其存在的不足,引入精细复合多尺度熵(Refined composite multiscale entropy, RCMSE),在此基础上,结合自编码降维和遗传优化支持向量机,提出一种滚动轴承故障智能诊断新方法。首先,利用RCMSE提取滚动轴承振动信号多尺度复杂度特征,构建初始特征向量矩阵;其次,采用自编码对初始高维特征数据降维,得到低维流形特征;然后,将低维特征向量输入到基于遗传优化支持向量机的多故障模式分类器中进行训练、识别与诊断。最后,将所提方法应用于实验数据分析,并与多尺度熵方法进行对比,结果表明,该方法不仅能够有效诊断滚动轴承的工作状态和故障类型,而且识别率高于所对比方法。
论文目录
文章来源
类型: 期刊论文
作者: 郑近德,潘海洋,包家汉,刘庆运,丁克勤,欧淑彬
关键词: 故障诊断,多尺度熵,精细复合多尺度熵,特征降维,滚动轴承
来源: 噪声与振动控制 2019年02期
年度: 2019
分类: 工程科技Ⅱ辑
专业: 机械工业
单位: 液压振动与控制教育部工程研究中心,安徽工业大学机械工程学院,中国特种设备检测研究院
基金: 国家自然科学基金资助项目(51505002),国家重点研发计划资助项目(2017YFC0805100),安徽省高校自然科学研究重大资助项目(KJ2018ZD005),安徽省教育厅自然科学基金重点资助项目(KJ2015A134)
分类号: TH133.33
页码: 175-180+193
总页数: 7
文件大小: 1980K
下载量: 188
相关论文文献
标签：故障诊断论文; 多尺度熵论文; 精细复合多尺度熵论文; 特征降维论文; 滚动轴承论文;