基于多尺度排列熵的滚动轴承故障诊断

论文摘要

针对轴承发生故障,振动信号会表现出复杂性的情况,运用多尺度排列熵(Multiscale Permutation Entropy,MPE)方法对振动信号进行分析。首先对嵌入维数、延迟时间以及数据长度对排列熵的影响进行了分析,在此基础上分析尺度因子关于多尺度排列熵的影响,然后对滚动轴承振动信号进行更准确的故障特征提取,并利用极限学习机(Extreme Le arning Machine,ELM)方法对其进行故障分类,与神经网络的分类效果相比较,结果显示,极限学习机与多尺度排列熵相结合,可以很好地实现故障诊断。

论文目录

文章来源

类型: 期刊论文

作者: 陈长征,李雪,孙自强

关键词: 排列熵,多尺度排列熵,极限学习机,滚动轴承,故障诊断

来源: 机械工程师 2019年09期

年度: 2019

分类: 工程科技Ⅱ辑

专业: 机械工业

单位: 沈阳工业大学机械工程学院

基金: 国家自然科学基金资助项目(51675350),辽宁省博士科研启动基金(201501085)

分类号: TH133.33

页码: 17-19+22

总页数: 4

文件大小: 940K

下载量: 232

相关论文文献

标签：排列熵论文;  多尺度排列熵论文;  极限学习机论文;  滚动轴承论文;  故障诊断论文;