基于多尺度排列熵的滚动轴承故障诊断
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 Learning 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.
排列熵、多尺度排列熵、极限学习机、滚动轴承、故障诊断
TH39(泵)
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
2019-10-10(万方平台首次上网日期,不代表论文的发表时间)
共4页
17-19,22