典型文献
基于改进多尺度散布熵与自适应支持向量机的滚动轴承故障诊断
文献摘要：
针对滚动轴承故障特征提取和识别困难等问题,提出一种基于改进多尺度散布熵与自适应支持向量机的滚动轴承故障诊断新模型.精细时移多尺度散布熵(RTSMDE)采用精细化运算和时移粗粒化方式,能够有效克服传统多尺度散布熵存在的熵值不稳定现象,因此采用RTSMDE全方面挖掘滚动轴承故障特征并输入哈里斯鹰优化支持向量机(HHOSVM)进行智能故障诊断.试验结果表明:RTSMDE在衡量非线性时间序列复杂度和挖掘故障特征信息方面优于精细复合多尺度散布熵和多尺度散布熵等方法,HHOSVM在故障识别方面优于支持向量机和灰狼优化支持向量机等分类器,所提故障诊断模型能够有效、准确地识别轴承运行状态.
文献关键词：
滚动轴承;故障诊断;特征提取;多尺度散布熵;支持向量机
中图分类号：
作者姓名：
郭代华
作者机构：
安徽天长市工业学校,安徽 滁州 239300
文献出处：
引用格式：
[1]郭代华-.基于改进多尺度散布熵与自适应支持向量机的滚动轴承故障诊断)[J].轴承,2022(11):76-82
A类：
RTSMDE,HHOSVM
B类：
应支,滚动轴承故障诊断,轴承故障特征提取,粗粒化,不稳定现象,哈里斯鹰优化,优化支持向量机,智能故障诊断,线性时间,特征信息,精细复合多尺度散布熵,故障识别,灰狼优化,分类器,故障诊断模型,承运
AB值：
0.149073
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
