基于多尺度均值排列熵和参数优化支持向量机的轴承故障诊断

针对滚动轴承故障诊断中特征提取困难和模式识别准确率低等问题,提出了一种基于多尺度均值排列熵(MMPE)和灰狼优化支持向量机(GWO-SVM)结合的故障诊断方法。利用MMPE全面表征滚动轴承故障特征信息,选取适当维数特征构成样本数据集,采用GWO-SVM分类器进行故障模式识别。对所提基于MMPE和GWO-SVM故障诊断方法进行理论分析和研究,并利用滚动轴承试验数据进行相应对比试验分析,结果表明:MMPE能够有效提取滚动轴承故障特征信息;GWO-SVM识别准确率和识别速度优于滚动轴承故障诊断其它常用参数优化支持向量机;所提方法能够有效识别滚动轴承故障位置和故障程度,在滚动轴承数据集上取得了98.0%的故障识别准确率,高于基于MPE和GWO-SVM方法的97.0%准确率,并且在噪声背景下取得了93.5%的识别准确率,优于后者83.0%准确率,证明了所提MMPE具有更好的噪声鲁棒性。

特征尺度谱算法及其在轴承故障诊断中的应用

针对基于包络谱的方法在轴承故障诊断中存在故障特征谐波衰减过快、并受较强的转频分量干扰,导致对故障程度判断的可靠性降低等问题,提出了一种全新的特征尺度谱轴承故障诊断方法。通过对振动信号进行分帧处理,采用特征算子提取其波动特征,利用二值化阈值处理方式对特征帧信号进行分类,获得信号中的故障区间并对故障区间进行压缩,将故障区间转化成特征脉冲信号,实现故障信号能量增强,并利用仿真信号和轴承故障试验台采集的数据对所提方法进行验证。结果表明:相较基于包络谱的方法,所提方法解决了频谱中故障特征谐波衰减过快的缺点,消除了转频分量的干扰,在低信噪比情况下具有更强的诊断效果。

我国绿色资产证券化产品发展现状及问题研究

自我国实行绿色发展以来,绿色资产证券化产品作为新兴的绿色金融工具,其地位逐步上升。本文主要就我国绿色资产证券化产品的现状进行简要分析,以及对未来监管发展的研究。