基于多尺度排列熵的滚动轴承故障诊断

• 作者: 孙自强 李雪 陈长征
• 来源期刊: 机械工程师
• 学科: 工学
• 关键词: 排列熵 多尺度排列熵 极限学习机 滚动轴承 故障诊断
• 年，卷（期）: 2019,（9）
• 所属期刊栏目: 机械研究与分析
• 页码范围: 17-19,22
• 页数: 4页
• 分类号: TH39
• 字数: 2919字
• 语种: 中文

摘要

针对轴承发生故障,振动信号会表现出复杂性的情况,运用多尺度排列熵(Multiscale Permutation Entropy,MPE)方法对振动信号进行分析.首先对嵌入维数、延迟时间以及数据长度对排列熵的影响进行了分析,在此基础上分析尺度因子关于多尺度排列熵的影响,然后对滚动轴承振动信号进行更准确的故障特征提取,并利用极限学习机(Extreme Learning Machine,ELM)方法对其进行故障分类,与神经网络的分类效果相比较,结果显示,极限学习机与多尺度排列熵相结合,可以很好地实现故障诊断.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈长征	沈阳工业大学机械工程学院	199	1777	21.0	34.0
2	孙自强	沈阳工业大学机械工程学院	11	29	3.0	5.0
3	李雪	沈阳工业大学机械工程学院	9	27	2.0	5.0