期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
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) 灰狼优化支持向量机(gwo-svm)
原文传递
上一页 1 下一页 到第
使用帮助 返回顶部