典型文献
基于IRCMNDE和NNCHC的滚动轴承故障诊断
文献摘要：
针对多尺度散布熵(MDE)在粗粒化过程中易发生信息丢失、产生虚假信息,难以全面提取轴承故障信息的问题,提出了基于改进的精细复合多尺度归一化散布熵(IRCMNDE)和最近邻凸包分类(NNCHC)的滚动轴承故障诊断方法.引入精细复合多尺度散布熵(RCMDE),将其粗粒化过程中平均值替换为最大值来表示数据段信息,以克服传统粗粒化过程的不足并突出故障特征.通过归一化操作减弱熵值计算时不同参数选择导致的熵值波动幅度,得到IRCMNDE.将IRCMNDE作为故障特征,使用NNCHC分类器对故障特征进行分类.经实验验证,该方法可达到98.98％的故障识别准确率,相比基于MDE(故障识别准确率为95.99％)和RCMDE(故障识别准确率为97.60％)的方法,能够更准确地提取滚动轴承的故障特征信息,提高承故障分类的准确性.
文献关键词：
滚动轴承;故障诊断;多尺度散布熵;精细复合多尺度散布熵;最近邻凸包分类(NNCHC)
中图分类号：
作者姓名：
杨潇谊;邓为权;马军
作者机构：
昆明理工大学云南省人工智能重点实验室,昆明650500;昆明理工大学信息工程与自动化学院,昆明650500;昆明理工大学民航与航空学院,昆明650500
文献出处：
引用格式：
[1]杨潇谊;邓为权;马军-.基于IRCMNDE和NNCHC的滚动轴承故障诊断)[J].航空动力学报,2022(06):1150-1161
A类：
IRCMNDE,NNCHC
B类：
滚动轴承故障诊断,粗粒化,中易,生信,信息丢失,虚假信息,故障信息,最近邻,凸包,故障诊断方法,精细复合多尺度散布熵,RCMDE,中平,故障特征,同参数,参数选择,波动幅度,分类器,故障识别,识别准确率,比基,特征信息,故障分类
AB值：
0.182347
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。
