10.19287/j.mtmt.1005-2402.2023.02.018
基于RCMDE与极限学习机的滚动轴承故障诊断
针对滚动轴承故障信号识别率低的情况,提出一种基于精细复合多尺度离散熵(RCMDE)与极限学习机(ELM)的故障诊断方法.首先,从原始振动信号中提取20个尺度的精细复合多尺度离散熵并以此构建故障特征集,然后利用ELM对其进行故障种类识别.通过凯斯西储大学的轴承数据验证提出方法的有效性,最后将提出方法与MPE-ELM进行对比.对比结果说明提出的故障诊断方法具有更高的分类精度.
精细复合多尺度离散熵、ELM、故障诊断
TH165+.3
国家自然科学基金52075477
2023-04-26(万方平台首次上网日期,不代表论文的发表时间)
共4页
123-126