期刊文献+
共找到3篇文章
< 1 >
每页显示 20 50 100
基于DIGWO-VMD-CMPE的轴承故障识别方法
1
作者 辛昊 鲁玉军 朱轩逸 《机电工程》 CAS 北大核心 2024年第2期205-215,共11页
针对滚动轴承故障信号特征提取困难和识别准确率低的问题,提出了一种基于维度学习的改进灰狼优化算法(DIGWO)优化变分模态分解(VMD)和复合多尺度排列熵(CMPE)的轴承故障识别方法。首先,采用基于维度学习的狩猎(DLH)搜索策略、余弦收敛因... 针对滚动轴承故障信号特征提取困难和识别准确率低的问题,提出了一种基于维度学习的改进灰狼优化算法(DIGWO)优化变分模态分解(VMD)和复合多尺度排列熵(CMPE)的轴承故障识别方法。首先,采用基于维度学习的狩猎(DLH)搜索策略、余弦收敛因子a和个体狼ω位置更新的方法将灰狼优化算法(GWO)改进为DIGWO,并利用DIGWO算法的自适应性优化VMD分解,得到了多个本征模态函数(IMFs);然后,利用复合多尺度排列熵计算IMFs的特征值,选取适当维数的特征,构建了故障特征向量;最后,利用DIGWO算法优化支持向量机(SVM)的惩罚系数C和径向基函数g,建立了DIGWO-SVM滚动轴承故障诊断分类器,并利用滚动轴承的振动数据验证了算法的有效性。研究结果表明:基于CMPE的DIGWO-SVM滚动轴承故障诊断方法能够有效地识别轴承的运行状况,识别准确率达到了99.42%,相较于PSO-SVM、SSA-SVM方法提高了7.75%、1.68%,证明了该方法的分类性能在滚动轴承故障诊断中更具优势。 展开更多
关键词 基于维度学习的改进灰狼优化算法 变分模态分解 复合多尺度排列熵 支持向量机 本征模态函数 基于维度学习的狩猎
下载PDF
基于复合多尺度排列熵与FO-SVM的滚动轴承故障诊断方法 被引量:11
2
作者 董治麟 郑近德 +2 位作者 潘海洋 刘庆运 丁克勤 《噪声与振动控制》 CSCD 2020年第2期102-108,共7页
MPE算法中不充分的时间序列粗粒化过程会造成原始振动信号在时间序列中信息的缺失。为优化这种不成熟的粗粒化过程,相关学者创新地采用复合粗粒化的思想,提出了复合多尺度排列熵(CMPE)。为了实现滚动轴承的智能故障诊断,提出一种基于CMP... MPE算法中不充分的时间序列粗粒化过程会造成原始振动信号在时间序列中信息的缺失。为优化这种不成熟的粗粒化过程,相关学者创新地采用复合粗粒化的思想,提出了复合多尺度排列熵(CMPE)。为了实现滚动轴承的智能故障诊断,提出一种基于CMPE与萤火虫优化支持向量机(FO-SVM)的滚动轴承智能故障诊断方法。首先使用CMPE表征滚动轴承的原始故障信息,然后构建FO-SVM多故障分类器,实现对滚动轴承故障类型和程度的智能识别。通过仿真信号分析验证了CMPE相对于MPE在信号稳定性方面的优越性;实验数据分析结果表明:相比于基于MPE与FO-SVM的滚动轴承故障诊断方法,所提故障诊断方法不仅能够准确诊断滚动轴承的故障类型和程度,而且识别率达到了100%。 展开更多
关键词 振动与波 多尺度排列熵 复合多尺度排列熵 滚动轴承 故障诊断 萤火虫优化支持向量机
下载PDF
A comparative study of four nonlinear dynamic methods and their applications in classification of ship-radiated noise
3
作者 Yu-xing Li Shang-bin Jiao +2 位作者 Bo Geng Qing Zhang You-min Zhang 《Defence Technology(防务技术)》 SCIE EI CAS CSCD 2022年第2期183-193,共11页
Refined composite multi-scale dispersion entropy(RCMDE),as a new and effective nonlinear dynamic method,has been applied in the field of medical diagnosis and fault diagnosis.In this paper,we first introduce RCMDE int... Refined composite multi-scale dispersion entropy(RCMDE),as a new and effective nonlinear dynamic method,has been applied in the field of medical diagnosis and fault diagnosis.In this paper,we first introduce RCMDE into the field of underwater acoustic signal processing for complexity feature extraction of ship radiated noise,and then propose a novel classification method for ship-radiated noise based on RCMDE and k-nearest neighbor(KNN),termed RCMDE-KNN.The results of a comparative experiment show that the proposed RCMDE-KNN classification method can effectively extract the complexity features of ship-radiated noise,and has better classification performance under one and two scales than the other three classification methods based on multi-scale permutation entropy(MPE)and KNN,multi-scale weighted-permutation entropy(MW-PE)and KNN,and multi-scale dispersion entropy(MDE)and KNN,termed MPE-KNN,MW-PE-KNN,and MDE-KNN.It is proved that the RCMDE-KNN classification method for ship-radiated noise is feasible and effective,and can obtain a very high recognition rate. 展开更多
关键词 Nonlinear dynamic Refined composite multi-scale dispersion entropy(RCMDE) multi-scale dispersion entropy(MDE) multi-scale weighted-permutation entropy (MW-PE) multi-scale permutation entropy(MPE) Classification of ship-radiated noise
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部