典型文献
复合多尺度反向散布熵在轴承故障诊断中的应用
文献摘要：
滚动轴承发生故障时,其振动信号往往表现出非线性和非平稳特征.反向散布熵(reverse dispersion entropy,RDE)能够有效衡量振动信号的复杂性变化和非线性动力学突变行为,但是单一尺度的RDE值并不能完全反映振动信号的复杂性和非线性特征.对此,受多尺度熵启发,同时针对传统多尺度粗粒化方式的不足,提出了复合多尺度反向散布熵(composite multi-scale reverse dispersion entropy,CMRDE).通过仿真信号分析,将CMRDE与多尺度反向散布嫡(multi-scale reverse dispersion entropy,MRDE)和RDE进行对比,结果表明:CMRDE不仅能反映不同尺度下信号复杂度的差异,且变化更平缓、波动更小.在此基础上,将CMRDE应用于滚动轴承故障特征提取,提出了一种基于CMRDE、集合经验模态分解和布谷鸟搜索算法优化支持向量机的滚动轴承故障诊断方法.将所提方法应用于滚动轴承试验数据分析,并通过与现有方法进行对比,结果表明:相较所对比的方法,所提方法能有效识别轴承故障类型,提取的故障特征误差更小、故障识别率更高.
文献关键词：
反向散布熵;复合多尺度反向散布熵;滚动轴承;故障诊断
中图分类号：
作者姓名：
陈焱;郑近德;潘海洋;童靳于
作者机构：
安徽工业大学 机械工程学院,安徽马鞍山 243032
文献出处：
引用格式：
[1]陈焱;郑近德;潘海洋;童靳于-.复合多尺度反向散布熵在轴承故障诊断中的应用)[J].振动与冲击,2022(19):55-63
A类：
复合多尺度反向散布熵,反向散布熵,CMRDE,MRDE
B类：
振动信号,非平稳,平稳特征,reverse,dispersion,entropy,非线性动力学,一尺,非线性特征,多尺度熵,时针,粗粒化,composite,multi,scale,信号分析,不同尺度,轴承故障特征提取,集合经验模态分解,布谷鸟搜索算法,算法优化,优化支持向量机,滚动轴承故障诊断,故障诊断方法,试验数据分析,故障类型,故障识别率
AB值：
0.189141
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。
