期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于ACMPE、ISSL-Isomap和GWO-SVM的行星齿轮箱故障诊断
被引量:
18
1
作者
戚晓利
王振亚
+2 位作者
吴保林
叶绪丹
潘紫微
《航空动力学报》
EI
CAS
CSCD
北大核心
2019年第4期744-755,共12页
针对从行星齿轮箱非线性、非平稳振动信号特征提取困难的问题,提出了一种基于自适应复合多尺度排列熵(ACMPE)、改进监督型自组织增量学习神经网络界标点等度规映射(ISSL-Isomap)和灰狼群优化支持向量机(GWO-SVM)相结合的行星齿轮箱故障...
针对从行星齿轮箱非线性、非平稳振动信号特征提取困难的问题,提出了一种基于自适应复合多尺度排列熵(ACMPE)、改进监督型自组织增量学习神经网络界标点等度规映射(ISSL-Isomap)和灰狼群优化支持向量机(GWO-SVM)相结合的行星齿轮箱故障诊断方法。利用ACMPE从复杂域提取振动信号的故障特征,构建高维故障特征集;采用ISSL-Isomap方法对高维故障特征集进行维数约简,提取出低维、敏感故障特征;应用GWO-SVM分类器对低维故障特征进行模式识别,判断故障类型。行星齿轮箱故障诊断实验结果分析表明:与多尺度排列熵(MPE)、复合多尺度排列熵(CMPE)等特征提取方法相比,ACMPE方法在分类效果和识别精度上更具优势;与局部切空间排列(LTSA)、等度规映射(Isomap)、加权Isomap(W-Isomap)、监督Isomap(S-Isomap)和监督型自组织增量学习神经网络界标点Isomap(SSL-Isomap)等降维方法进行比较,ISSL-Isomap方法降维效果最佳;所提方法的故障识别率达到100%,具有一定优越性。
展开更多
关键词
故障诊断
行星齿轮箱
自适应复合多尺度排列熵(ACMPE)
改进监督型自组织增量学习神经网络界标点等度规映射(ISSL-Isomap)
灰狼
群
优化
支持向量机
(
gwo
-
svm
)
原文传递
题名
基于ACMPE、ISSL-Isomap和GWO-SVM的行星齿轮箱故障诊断
被引量:
18
1
作者
戚晓利
王振亚
吴保林
叶绪丹
潘紫微
机构
安徽工业大学机械工程学院
出处
《航空动力学报》
EI
CAS
CSCD
北大核心
2019年第4期744-755,共12页
基金
国家自然科学基金(51505002)
安徽省自然科学基金(1808085ME152)
+1 种基金
安徽省高校自然科学研究重点项目(KJ2017A053)
研究生创新研究基金(2017012)
文摘
针对从行星齿轮箱非线性、非平稳振动信号特征提取困难的问题,提出了一种基于自适应复合多尺度排列熵(ACMPE)、改进监督型自组织增量学习神经网络界标点等度规映射(ISSL-Isomap)和灰狼群优化支持向量机(GWO-SVM)相结合的行星齿轮箱故障诊断方法。利用ACMPE从复杂域提取振动信号的故障特征,构建高维故障特征集;采用ISSL-Isomap方法对高维故障特征集进行维数约简,提取出低维、敏感故障特征;应用GWO-SVM分类器对低维故障特征进行模式识别,判断故障类型。行星齿轮箱故障诊断实验结果分析表明:与多尺度排列熵(MPE)、复合多尺度排列熵(CMPE)等特征提取方法相比,ACMPE方法在分类效果和识别精度上更具优势;与局部切空间排列(LTSA)、等度规映射(Isomap)、加权Isomap(W-Isomap)、监督Isomap(S-Isomap)和监督型自组织增量学习神经网络界标点Isomap(SSL-Isomap)等降维方法进行比较,ISSL-Isomap方法降维效果最佳;所提方法的故障识别率达到100%,具有一定优越性。
关键词
故障诊断
行星齿轮箱
自适应复合多尺度排列熵(ACMPE)
改进监督型自组织增量学习神经网络界标点等度规映射(ISSL-Isomap)
灰狼
群
优化
支持向量机
(
gwo
-
svm
)
Keywords
fault diagnosis
planetary gearbox
adaptive composite multi-scale permutation entropy(ACMPE)
improved supervised self-organizing incremental neural network landmark isometric mapping(ISSL-Isomap)
grey wolf optimizer support vector machine(
gwo
-
svm
)
分类号
TP18 [自动化与计算机技术—控制理论与控制工程]
TH132.425 [自动化与计算机技术—控制科学与工程]
原文传递
题名
作者
出处
发文年
被引量
操作
1
基于ACMPE、ISSL-Isomap和GWO-SVM的行星齿轮箱故障诊断
戚晓利
王振亚
吴保林
叶绪丹
潘紫微
《航空动力学报》
EI
CAS
CSCD
北大核心
2019
18
原文传递
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部