10.13465/j.cnki.jvs.2019.23.022
基于样本分位数排列熵的故障诊断方法
针对滚动轴承故障特征不明显、不易于进行特征提取等问题,提出了一种新的衡量时间序列复杂程度的方法-样本分位数排列熵(Sample Quantile Permutation Entropy,SQPE),并将其应用于滚动轴承故障振动信号的特征提取.通过对振动信号进行样本分位数排列熵计算,有效分离出不同振动信号的故障特征;将熵值组成特征向量,构建分类器并实现对滚动轴承的故障诊断.将提出的方法应用于试验数据分析,结果表明:样本分位数排列熵能够有效提取滚动轴承的故障特征,并在熵值计算的过程中,避免了嵌入维数选取的过程,有效提高了熵值计算的自适应性,扩大了其应用范围.
滚动轴承、排列熵、样本分位数、故障诊断
38
TH165.3
山东自然科学基金面上项目ZR2017MF036;国防科技项目基金F062102009
2020-01-11(万方平台首次上网日期,不代表论文的发表时间)
共6页
152-156,170