基于改进复合多元尺度加权排列熵的轴承故障识别研究
轴承作为机械传动系统上不可缺少单元,在长期交变载荷作用下容易产生内部损伤,判断其故障状态尤为重要.综合复合多元多尺度加权排列熵(CMMWPE)与天牛须搜索支持向量机(BSASVM)算法优点,设计了一种基于CMMWPE-BSASVM复合算法的轴承故障智能诊断方法.以调心球轴承运行情况为例,开展故障诊断分析.研究结果表明:利用本文CMMWPE算法进行处理时形成了比MWPE、CMWPE算法更加平滑的熵值变化曲线,能够实现以上样本的精确区分,有助于更准确提取出滚动轴承的特征信号.采用CMMWPE可以实现更高效的故障模式识别性能;相比较其他分类器,BSASVM分类器处理效率更高,因此建立的CMMWPE和Isomap特征集识别运行故障获得了 100%准确率,确保滚动轴承故障达到精确、高效识别的效果.该研究可以拓宽到相关机械传动领域,具有很好的应用价值.
轴承、复合多元多尺度加权排列熵(CMMWPE)、支持向量机、故障诊断
21
TH165
江西省教育厅科学技术研究项目GJJ191671
2023-05-04(万方平台首次上网日期,不代表论文的发表时间)
共6页
73-78