基于复合多尺度排列熵与FO-SVM的滚动轴承故障诊断方法

• 作者: 丁克勤 刘庆运 潘海洋 董治麟 郑近德
• 来源期刊: 噪声与振动控制
• 学科: 工学
• 关键词: 振动与波 多尺度排列熵 复合多尺度排列熵 滚动轴承 故障诊断 萤火虫优化支持向量机
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 信号处理与故障诊断
• 页码范围: 102-108
• 页数: 7页
• 分类号: TH113|TH165+.3|TN911.7
• 字数: 4817字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-1355.2020.02.019

摘要

MPE算法中不充分的时间序列粗粒化过程会造成原始振动信号在时间序列中信息的缺失.为优化这种不成熟的粗粒化过程,相关学者创新地采用复合粗粒化的思想,提出了复合多尺度排列熵(CMPE).为了实现滚动轴承的智能故障诊断,提出一种基于CMPE与萤火虫优化支持向量机(FO-SVM)的滚动轴承智能故障诊断方法.首先使用CMPE表征滚动轴承的原始故障信息,然后构建FO-SVM多故障分类器,实现对滚动轴承故障类型和程度的智能识别.通过仿真信号分析验证了CMPE相对于MPE在信号稳定性方面的优越性;实验数据分析结果表明:相比于基于MPE与FO-SVM的滚动轴承故障诊断方法,所提故障诊断方法不仅能够准确诊断滚动轴承的故障类型和程度,而且识别率达到了100％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘庆运	安徽工业大学机械工程学院	45	163	8.0	11.0
3	郑近德	安徽工业大学机械工程学院	46	279	12.0	14.0
5	潘海洋	安徽工业大学机械工程学院	32	221	11.0	13.0
6	董治麟	安徽工业大学机械工程学院	1	0	0.0	0.0