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
共找到3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：
基于多尺度模糊熵和STOA-SVM的风机轴承故障诊断 被引量：10
1
作者 汤占军 孙润发 《电机与控制应用》 2021年第12期66-70,共5页
针对风机轴承振动信号故障特征提取困难的问题,提出了一种基于多尺度模糊熵(MFE)特征提取,并结合乌燕鸥优化算法(STOA)优化支持向量机(SVM)的风机轴承故障诊断方法。首先采集原始振动信号并计算其多层次模糊熵,其次构造故障特征向量集... 针对风机轴承振动信号故障特征提取困难的问题,提出了一种基于多尺度模糊熵(MFE)特征提取,并结合乌燕鸥优化算法(STOA)优化支持向量机(SVM)的风机轴承故障诊断方法。首先采集原始振动信号并计算其多层次模糊熵,其次构造故障特征向量集合作为SVM的输入,最后采用STOA优化SVM对轴承故障进行分类诊断。通过凯斯西储大学轴承振动数据进行仿真,结果显示轴承故障诊断准确率达到了99.3%,证明了所提方法具有较高的准确度和有效性。 展开更多
关键词 风机轴承 多尺度模糊熵 乌燕鸥优化算法 支持向量机 故障诊断
下载PDF
基于CEEMDAN-多尺度模糊熵和ISRNN的球磨机负荷识别 被引量：4
2
作者 高纯生 周小云 黄祥海 《矿业研究与开发》 CAS 北大核心 2020年第4期141-146,共6页
针对球磨机振动信号具有非线性、非平稳性特点导致的负荷状态难以识别问题,提出一种基于自适应噪声的完备经验模态分解(CEEMDAN),多尺度模糊熵(MFE)和改进堆叠式循环神经网络(ISRNN)的磨机负荷预测方法。首先,采用CEEMDAN算法分解球磨... 针对球磨机振动信号具有非线性、非平稳性特点导致的负荷状态难以识别问题,提出一种基于自适应噪声的完备经验模态分解(CEEMDAN),多尺度模糊熵(MFE)和改进堆叠式循环神经网络(ISRNN)的磨机负荷预测方法。首先,采用CEEMDAN算法分解球磨机振动信号以获得本征模态分量;其次,利用MFE提取负荷状态特征;最后,将特征向量作为ISRNN的输入,球磨机负荷状态作为输出,建立球磨机负荷识别模型。试验结果表明,该方法在负荷识别时有较高的精准性,整体识别率高达98.67%,证明了CEEMDAN-MFE特征提取结合ISRNN的方法可实现对球磨机负荷状态的准确识别。 展开更多
关键词 磨机 负荷 CEEMDAN 多尺度模糊熵 神经网络
原文传递
基于SVMFE的往复压缩机气阀故障诊断方法 被引量：1
3
作者 李纯辉 马永财 +2 位作者 徐国林 赵海洋 赵海峰 《噪声与振动控制》 CSCD 北大核心 2022年第5期128-133,共6页
针对多尺度模糊熵(Multi-scale Fuzzy Entropy,MFE)在粗粒化计算过程中存在的问题,为准确地提取往复压缩机的故障特征,将滑动方差法引入到多尺度模糊熵中,提出基于滑动方差的多尺度模糊熵(Sliding Variance Multiscale Fuzzy Entropy,SV... 针对多尺度模糊熵(Multi-scale Fuzzy Entropy,MFE)在粗粒化计算过程中存在的问题,为准确地提取往复压缩机的故障特征,将滑动方差法引入到多尺度模糊熵中,提出基于滑动方差的多尺度模糊熵(Sliding Variance Multiscale Fuzzy Entropy,SVMFE)方法。以高斯白噪声为仿真信号,将SVMFE方法与MFE分析对比,仿真结果表明SVMFE方法在衡量序列复杂性上更准确、更稳定。基于此,提出一种基于SVMFE与极限学习机(Extreme Learning Machine,ELM)的往复压缩机故障诊断方法。最后,运用所提方法对气阀故障信号分析,与基于多尺度模糊熵的故障诊断方法进行对比,验证了所提出方法的有效性,且具有较高的故障识别率。 展开更多
关键词 故障诊断 往复压缩机 多尺度模糊熵 SVmfe
下载PDF
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
使用帮助 返回顶部