Print

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

  • 1 排列熵算法及分析
  •   1.1 排列熵算法
  •   1.2 参数选择分析
  • 2 样本分位数排列熵算法
  • 3 实验分析
  • 4 结 论
  • 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

    本文来源: https://www.lunwen66.cn/article/92e8c591e29c02733397e693.html