基于样本分位数排列熵的故障诊断方法

论文摘要

针对滚动轴承故障特征不明显、不易于进行特征提取等问题,提出了一种新的衡量时间序列复杂程度的方法-样本分位数排列熵（Sample Quantile Permutation Entropy,SQPE）,并将其应用于滚动轴承故障振动信号的特征提取。通过对振动信号进行样本分位数排列熵计算,有效分离出不同振动信号的故障特征;将熵值组成特征向量,构建分类器并实现对滚动轴承的故障诊断。将提出的方法应用于试验数据分析,结果表明:样本分位数排列熵能够有效提取滚动轴承的故障特征,并在熵值计算的过程中,避免了嵌入维数选取的过程,有效提高了熵值计算的自适应性,扩大了其应用范围。

论文目录

文章来源

类型: 期刊论文

作者: 戴洪德,陈强强,戴邵武,朱敏

关键词: 滚动轴承,排列熵,样本分位数,故障诊断

来源: 振动与冲击 2019年23期

年度: 2019

分类: 工程科技Ⅱ辑

专业: 机械工业

单位: 海军航空大学航空基础学院,海军航空大学岸防兵学院

基金: 山东自然科学基金面上项目(ZR2017MF036),国防科技项目基金(F062102009)

分类号: TH133.33

DOI: 10.13465/j.cnki.jvs.2019.23.022

页码: 152-156+170

总页数: 6

文件大小: 217K

下载量: 180

相关论文文献

标签：滚动轴承论文;  排列熵论文;  样本分位数论文;  故障诊断论文;