典型文献
多尺度能量熵与优化极限学习机的航空液压管路故障诊断方法
文献摘要：
针对航空液压管路故障特征难以提取问题,考虑到航空液压系统中振动信号存在非平稳性以及非线性等特点,提出了一种基于局部均值分解(Local Mean Decomposition,LMD)的多尺度能量熵(Multi-scale Energy Entropy,MEE)和麻雀搜索算法(Sparrow Search Algorithm,SSA)优化极限学习机(Extreme Learning Machine,ELM)的航空液压管路故障诊断方法.首先,采用局域均值分解方法将采集的振动信号自适应分解;其次,综合考虑相关系数-能量比准则,选取最佳PF分量;最后,计算最佳分量的多尺度能量熵,选取合适的尺度因子并将其对应的能量熵值作为特征向量,输入到麻雀搜索算法优化的极限学习机网络模型进行学习训练,实现对航空液压管路的故障进行分类识别.结果表明:该方法能够有效地实现对航空液压管路故障类型的准确识别,为区分航空液压管路故障提供了一种可行的诊断思路.
文献关键词：
局部均值分解;多尺度能量熵;航空液压管路;极限学习机;故障诊断
中图分类号：
作者姓名：
薛政坤;汪曦;于晓光;王宠;张小龙
作者机构：
辽宁科技大学机械工程与自动化学院,辽宁鞍山 114051
文献出处：
引用格式：
[1]薛政坤;汪曦;于晓光;王宠;张小龙-.多尺度能量熵与优化极限学习机的航空液压管路故障诊断方法)[J].液压与气动,2022(07):64-73
A类：
多尺度能量熵
B类：
化极,航空液压管路,故障诊断方法,故障特征,航空液压系统,振动信号,非平稳性,局部均值分解,Local,Mean,Decomposition,LMD,Multi,scale,Energy,Entropy,MEE,麻雀搜索算法,Sparrow,Search,Algorithm,SSA,Extreme,Learning,Machine,ELM,局域均值分解,分解方法,信号自适应分解,能量比,PF,尺度因子,特征向量,算法优化,极限学习机网络,学习训练,分类识别,故障类型,准确识别,诊断思路
AB值：
0.281596
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。
