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
时变工况下基于精细复合多尺度散度熵的旋转机械故障诊断方法
被引量：
1
1
作者
卢太武
马洪波
+1 位作者
王先芝
陈改革
《振动与冲击》
EI
CSCD
北大核心
2023年第21期211-218,共8页
时变工况下旋转机械的振动信号具有明显的时变调制的特点,熵值方法在提取该类信号特征时具有独特的优势。为了克服传统的熵值方法计算速度慢、熵值不稳定等问题,提出了一种基于精细复合多尺度散度熵的时变工况下旋转机械故障诊断方法,...
时变工况下旋转机械的振动信号具有明显的时变调制的特点,熵值方法在提取该类信号特征时具有独特的优势。为了克服传统的熵值方法计算速度慢、熵值不稳定等问题,提出了一种基于精细复合多尺度散度熵的时变工况下旋转机械故障诊断方法,能够更有效地提取故障特征信息并提高故障诊断准确率。首先,采用重采样的方法将时域信号转为角域信号,并利用变分模态分解和独立分量分析相结合的方法对角域信号进行去噪。其次,采用精细复合多尺度散度熵对去噪后的角域信号进行特征提取,然后将提取到的特征输入LR(logistic regression)分类器中识别故障类型。最后,通过时变工况下的齿轮试验对所提方法进行验证,结果表明,所提出的方法有效提高了时变工况下故障诊断准确率。
展开更多
关键词
故障诊断
时变工况
精细复合多尺度散度熵
变分模态分解
独立分量分析
下载PDF
职称材料
题名
时变工况下基于精细复合多尺度散度熵的旋转机械故障诊断方法
被引量：
1
1
作者
卢太武
马洪波
王先芝
陈改革
机构
西安邮电大学通信与信息工程学院(人工智能学院)
西安邮电大学自动化学院
出处
《振动与冲击》
EI
CSCD
北大核心
2023年第21期211-218,共8页
基金
国家自然科学基金(51905399)
陕西省教育厅科技计划(22JK0569)。
文摘
时变工况下旋转机械的振动信号具有明显的时变调制的特点,熵值方法在提取该类信号特征时具有独特的优势。为了克服传统的熵值方法计算速度慢、熵值不稳定等问题,提出了一种基于精细复合多尺度散度熵的时变工况下旋转机械故障诊断方法,能够更有效地提取故障特征信息并提高故障诊断准确率。首先,采用重采样的方法将时域信号转为角域信号,并利用变分模态分解和独立分量分析相结合的方法对角域信号进行去噪。其次,采用精细复合多尺度散度熵对去噪后的角域信号进行特征提取,然后将提取到的特征输入LR(logistic regression)分类器中识别故障类型。最后,通过时变工况下的齿轮试验对所提方法进行验证,结果表明,所提出的方法有效提高了时变工况下故障诊断准确率。
关键词
故障诊断
时变工况
精细复合多尺度散度熵
变分模态分解
独立分量分析
Keywords
fault
diagnosis
time
-
varying
working
condition
fine
composite
multiscale
divergence
entropy(FCMDE)
variational
mode
decomposition(VMD)
independent
component
analysis(ICA)
分类号
TH165.3 [机械工程—机械制造及自动化]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
时变工况下基于精细复合多尺度散度熵的旋转机械故障诊断方法
卢太武
马洪波
王先芝
陈改革
《振动与冲击》
EI
CSCD
北大核心
2023
1
下载PDF
职称材料
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
