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
2
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
轴承故障的排列熵特征提取与GK模糊识别方法
被引量：
4
1
作者
陆凤君
《组合机床与自动化加工技术》
北大核心
2020年第5期95-98,102,共5页
为了提高轴承故障诊断准确率,提出了参数优化多尺度排列熵的特征参数提取方法和加权GK模糊聚类的识别方法。在特征提取方面,以多尺度排列熵序列偏度最小为优化目标,使用多作用力微粒群算法优化多尺度排列熵参数,实现了排列熵特征参数在...
为了提高轴承故障诊断准确率,提出了参数优化多尺度排列熵的特征参数提取方法和加权GK模糊聚类的识别方法。在特征提取方面,以多尺度排列熵序列偏度最小为优化目标,使用多作用力微粒群算法优化多尺度排列熵参数,实现了排列熵特征参数在轴承不同故障状态下的完全分离;在故障识别方面,提出了加权GK模糊聚类的识别方法,使用ReliefF算法计算特征参数权重,为高敏感度特征参数赋予更大的权值,从而提高GK模糊聚类的聚集度。经轴承故障实验验证,文章提出的排列熵特征参数提取和GK模糊聚类识别方法在此次实验中能够精准识别轴承故障类型,说明文中提出的特征提取和模式识别方法具有一定借鉴意义。
展开更多
关键词
轴承故障诊断
参数优化多尺度排列熵
加权
gk
模糊聚类
多作用力微粒群算法
下载PDF
职称材料
基于FVMD多尺度排列熵和GK模糊聚类的故障诊断
被引量：
52
2
作者
陈东宁
张运东
+2 位作者
姚成玉
孙飞
周能元
《机械工程学报》
EI
CAS
CSCD
北大核心
2018年第14期16-27,共12页
针对设备故障信号的非线性、非平稳特征,提出了基于快速变分模态分解、参数优化多尺度排列熵和特征加权GK模糊聚类的故障诊断方法。首先,在变分模态分解的基础上,引入快速迭代的思想,提出快速变分模态分解方法,以减少算法运行时间与迭...
针对设备故障信号的非线性、非平稳特征,提出了基于快速变分模态分解、参数优化多尺度排列熵和特征加权GK模糊聚类的故障诊断方法。首先,在变分模态分解的基础上,引入快速迭代的思想,提出快速变分模态分解方法,以减少算法运行时间与迭代次数;其次,针对多尺度排列熵算法的参数确定问题,综合考虑参数之间的交互影响,提出一种基于多作用力微粒群算法的参数优化方法,并通过快速变分模态分解和参数优化多尺度排列熵算法提取故障特征;之后,考虑到样本特征矢量中各维特征在聚类过程中的贡献不同,提出基于ReliefF特征加权的GK模糊聚类方法,由特征加权GK模糊聚类确定标准聚类中心,通过择近原则实现故障模式的分类识别;最后,以在机械故障试验平台上采集到的轴承不同故障类型的振动信号为研究对象,应用所提方法进行分析。结果表明,相对于改进前的变分模态分解、多尺度排列熵和GK模糊聚类方法,本文所提方法不仅能够有效提取故障特征,还能准确实现故障模式的分类识别,而且故障识别率得到提高。
展开更多
关键词
故障诊断
快速变分模态分解
参数优化多尺度排列熵
特征加权
gk
模糊聚类
原文传递
题名
轴承故障的排列熵特征提取与GK模糊识别方法
被引量：
4
1
作者
陆凤君
机构
山东工业职业学院冶金与汽车工程系
出处
《组合机床与自动化加工技术》
北大核心
2020年第5期95-98,102,共5页
基金
淄博市校城融合项目(2018ZBXC269)。
文摘
为了提高轴承故障诊断准确率,提出了参数优化多尺度排列熵的特征参数提取方法和加权GK模糊聚类的识别方法。在特征提取方面,以多尺度排列熵序列偏度最小为优化目标,使用多作用力微粒群算法优化多尺度排列熵参数,实现了排列熵特征参数在轴承不同故障状态下的完全分离;在故障识别方面,提出了加权GK模糊聚类的识别方法,使用ReliefF算法计算特征参数权重,为高敏感度特征参数赋予更大的权值,从而提高GK模糊聚类的聚集度。经轴承故障实验验证,文章提出的排列熵特征参数提取和GK模糊聚类识别方法在此次实验中能够精准识别轴承故障类型,说明文中提出的特征提取和模式识别方法具有一定借鉴意义。
关键词
轴承故障诊断
参数优化多尺度排列熵
加权
gk
模糊聚类
多作用力微粒群算法
Keywords
bearing
fault
diagnosis
parameters
optimized
multiple
scales
entropy
weighted
gk
fuzzy
clustering
multiple
interactions
particle
swarm
algorithm
分类号
TH133 [机械工程—机械制造及自动化]
TG506 [金属学及工艺—金属切削加工及机床]
下载PDF
职称材料
题名
基于FVMD多尺度排列熵和GK模糊聚类的故障诊断
被引量：
52
2
作者
陈东宁
张运东
姚成玉
孙飞
周能元
机构
燕山大学河北省重型机械流体动力传输与控制重点实验室
先进锻压成型技术与科学教育部重点实验室(燕山大学)
航空工业金城南京机电液压工程研究中心
燕山大学河北省工业计算机控制工程重点实验室
出处
《机械工程学报》
EI
CAS
CSCD
北大核心
2018年第14期16-27,共12页
基金
国家自然科学基金(51675460,51405426)
中国博士后科学基金(2017M621101)
河北省自然科学基金(E2016203306)资助项目
文摘
针对设备故障信号的非线性、非平稳特征,提出了基于快速变分模态分解、参数优化多尺度排列熵和特征加权GK模糊聚类的故障诊断方法。首先,在变分模态分解的基础上,引入快速迭代的思想,提出快速变分模态分解方法,以减少算法运行时间与迭代次数;其次,针对多尺度排列熵算法的参数确定问题,综合考虑参数之间的交互影响,提出一种基于多作用力微粒群算法的参数优化方法,并通过快速变分模态分解和参数优化多尺度排列熵算法提取故障特征;之后,考虑到样本特征矢量中各维特征在聚类过程中的贡献不同,提出基于ReliefF特征加权的GK模糊聚类方法,由特征加权GK模糊聚类确定标准聚类中心,通过择近原则实现故障模式的分类识别;最后,以在机械故障试验平台上采集到的轴承不同故障类型的振动信号为研究对象,应用所提方法进行分析。结果表明,相对于改进前的变分模态分解、多尺度排列熵和GK模糊聚类方法,本文所提方法不仅能够有效提取故障特征,还能准确实现故障模式的分类识别,而且故障识别率得到提高。
关键词
故障诊断
快速变分模态分解
参数优化多尺度排列熵
特征加权
gk
模糊聚类
Keywords
fault
diagnosis
fast
variational
mode
decomposition
parameter
optimized
multi-scale
permutation
entropy
feature
weighted
gk
fuzzy
clustering
分类号
TH17 [机械工程—机械制造及自动化]
原文传递
题名
作者
出处
发文年
被引量
操作
1
轴承故障的排列熵特征提取与GK模糊识别方法
陆凤君
《组合机床与自动化加工技术》
北大核心
2020
4
下载PDF
职称材料
2
基于FVMD多尺度排列熵和GK模糊聚类的故障诊断
陈东宁
张运东
姚成玉
孙飞
周能元
《机械工程学报》
EI
CAS
CSCD
北大核心
2018
52
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
