-
题名基于双频精细复合多尺度排列熵的齿轮箱损伤识别
被引量：1
- 1
-
-
作者
刘心
费莹
李倩
-
机构
桂林电子科技大学信息科技学院
三门峡社会管理职业学院机电工程学院
苏州大学金螳螂建筑学院
浙江汽车职业技术学院电子工程系
-
出处
《机电工程》
CAS
北大核心
2023年第8期1176-1184,共9页
-
基金
浙江省教育科学规划课题(2021SCG303)
苏州大学虚拟仿真实验教学重点培育项目(2019-04)
虚拟仿真实验教学创新联盟2021年度第二批实验教学优质创新课程培育项目(202102XF03)。
-
文摘
齿轮箱振动信号的非线性会导致其损伤特征难以得到有效提取,针对这一问题,提出了一种基于双频精细复合多尺度排列熵(DFRCMPE)和鲸鱼算法优化支持向量机(WOA-SVM)的融合损伤识别方法。首先,采用小波包分解(WPD)对齿轮箱损伤振动信号进行了两层分解,获得了反映齿轮箱损伤特性的低频和高频分量;然后,利用精细复合多尺度排列熵(RCMPE)对两组频带分量进行了分析,以充分提取嵌入在振动信号中的损伤信息,构建损伤特征;最后,将损伤特征输入至WOA-SVM分类模型中,成功对损伤进行了智能识别,并以实验采集到的齿轮箱振动信号为对象,对基于DFRCMPE和WOA-SVM的融合损伤识别方法的有效性开展了对比讨论。研究结果表明:与基于精细复合多尺度样本熵(RCMSE)、精细复合多尺度模糊熵(RCMFE)、RCMPE、精细复合多尺度散布熵(RCMDE)的特征提取方法相比,基于DFRCMPE和WOA-SVM的融合损伤识别方法的准确率和稳定性更高,平均识别准确率达到了100%;该方法能够为解决实际应用中的齿轮箱故障识别问题提供可行的思路。
-
关键词
齿轮传动
损伤特征提取
齿轮箱振动信号
双频精细复合多尺度排列熵
鲸鱼算法优化支持向量机
小波包分解
-
Keywords
gear transmission
damage feature extraction
gearbox vibration signal
dual-frequency refined composite multiscale permutation entropy(DFRCMPE)
whale algorithm optimized support vector machine(WOA-SVM)
wavelet packet decomposition(WPD)
-
分类号
TH132.41
[机械工程—机械制造及自动化]
-
