典型文献
基于改进多元多尺度加权排列熵的齿轮箱故障诊断
文献摘要：
齿轮箱振动存在多个传递路径,而典型齿轮箱故障诊断方法一般使用单个路径的单通道振动信号,易造成其它通道信息的遗漏.为充分利用不同路径振动信号故障信息,增强故障特征的质量,引入了多元多尺度加权排列熵,对其粗粒化方式进行了完善,提出了改进多元多尺度加权排列熵(IMMWPE),实现齿轮箱多通道振动信号的故障特征提取.基于此,提出了一种结合IMMWPE、成对邻近特征和粒子群优化支持向量机的齿轮箱故障诊断方法.通过齿轮箱多通道数据分析,将其与多元多尺度样本熵、多元多尺度排列熵和多元多尺度模糊熵等方法进行对比,结果证明该方法能够准确识别齿轮箱的各类故障,而且优于对比方法.
文献关键词：
齿轮箱;改进多元多尺度加权排列熵;成对邻近特征;故障诊断
中图分类号：
作者姓名：
赵家浩;廖晓娟;唐锡雷
作者机构：
山东大学微电子学院,济南 250101;山东旅游职业学院工商管理系,济南 250200;重庆科创职业学院人工智能学院,重庆 402160
文献出处：
引用格式：
[1]赵家浩;廖晓娟;唐锡雷-.基于改进多元多尺度加权排列熵的齿轮箱故障诊断)[J].组合机床与自动化加工技术,2022(12):48-52
A类：
改进多元多尺度加权排列熵,IMMWPE,成对邻近特征,多元多尺度模糊熵
B类：
齿轮箱故障诊断,传递路径,故障诊断方法,一般使用,单通道,振动信号,遗漏,不同路径,故障信息,粗粒化,多通道,故障特征提取,粒子群优化支持向量机,通道数,多尺度样本熵,多尺度排列熵,准确识别,比方
AB值：
0.166458
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。
