改进的熵特征在行星齿轮裂纹故障识别中的应用

您当前的位置：

首页 >

文章列表页 >

改进的熵特征在行星齿轮裂纹故障识别中的应用

更新时间：2025-07-09

- 改进的熵特征在行星齿轮裂纹故障识别中的应用
- Issue 6, Pages: 61-68(2021)
- 作者机构：
  
  1. 陆军装甲兵学院车辆工程系
  2. 中国人民解放军63963部队
  3. 陕西师范大学体育学院
  4. 军事科学院系统工程研究院
  5. 中国人民解放军32021部队
- 作者简介：
- 基金信息：
- DOI：
  CLC： TH132.425
- Published：2021
- 稿件说明：
移动端阅览
[J]. 2021, (6): 61-68.
DOI：

[J]. 2021, (6): 61-68. DOI：

摘要

针对利用精细复合多尺度散布熵(RCMDE)特征在行星齿轮裂纹故障识别时存在噪声鲁棒性差、尺度选择依赖人工等不足

通过改进RCMDE特征

提出一种基于自适应精细复合多尺度散布熵(ARCMDE)特征的行星齿轮裂纹故障识别方法。改进从以下3个方面展开:首先在计算RCMDE特征前利用变分模态分解(VMD)算法对信号进行分解

以获取预设数量的固有模态分量(IMF)

再计算IMF与原信号的互信息

选取互信息大于阈值的IMF重构信号

实现降噪预处理;然后提出特征重合度及其计算公式

评价多个状态样本的均值标准差之间的重叠交叉情况

利用特征重合度选择较好的若干尺度构建特征向量;最后

结合粒子群优化(PSO)与支持向量机(SVM)实现故障模式识别。行星变速箱实验数据验证结果表明

与多尺度散布熵(MDE)和RCMDE特征相比

采用改进的ARCMDE特征构建的特征向量输入PSO-SVM的分类准确率提高了20%以上

验证了所提裂纹识别方法的有效性和优势。

Abstract

关键词

Keywords

references

王振亚,姚立纲.广义精细复合多尺度样本熵与流形学习相结合的滚动轴承故障诊断方法[J].中国机械工程,2020(20).

乔新勇,顾程,韩立军.基于VMD多尺度散布熵的柴油机故障诊断方法[J].汽车工程,2020(08).

丁闯,冯辅周,张兵志,吴守军.改进多尺度符号动力学信息熵及其在行星变速箱特征提取中的应用[J].振动与冲击,2020(13).

李永健,宋浩,刘吉华,张卫华,熊庆.基于改进多尺度排列熵的列车轴箱轴承诊断方法研究[J].铁道学报,2020(01).

付文龙,谭佳文,王凯.基于VMD散布熵与改进灰狼优化SVDD的轴承半监督故障诊断研究[J].振动与冲击,2019(22).

李从志,郑近德,潘海洋,刘庆运.基于精细复合多尺度散布熵与支持向量机的滚动轴承故障诊断方法[J].中国机械工程,2019(14).

戚晓利,王振亚,吴保林,叶绪丹,潘紫微.基于ACMPE、ISSL-Isomap和GWO-SVM的行星齿轮箱故障诊断[J].航空动力学报,2019(04).

黄大荣,柯兰艳,林梦婷,孙国玺.一种参数优化VMD多尺度熵的轴承故障诊断新方法[J].控制与决策,2020(07).

郑近德,潘海洋,张俊,刘涛,刘庆运.基于多变量多尺度模糊熵的行星齿轮箱故障诊断[J].振动与冲击,2019(06).

丁闯,冯辅周,张兵志,吴守军.行星变速箱振动信号的线性量子信息熵特征[J].兵工学报,2018(12).

王志坚,常雪,王俊元,杜文华,段能全,党长营.排列熵优化改进变模态分解算法诊断齿轮箱故障[J].农业工程学报,2018(23).

陈征,温广瑞,张志芬,刘晨辉.集成轴心轨迹信息熵及盒维数的转子故障程度判别与故障预示[J].西安交通大学学报,2019(02).

杨大为,冯辅周,赵永东,江鹏程,丁闯.VMD样本熵特征提取方法及其在行星变速箱故障诊断中的应用[J].振动与冲击,2018(16).

任国春,赵永东,冯辅周,丁闯.基于自适应EEMD样本熵的行星齿轮箱特征提取方法[J].装甲兵工程学院学报,2017(06).

丁闯,张兵志,冯辅周,江鹏程.局部均值分解和排列熵在行星齿轮箱故障诊断中的应用[J].振动与冲击,2017(17).

Wu Shoujun,Feng Fuzhou,Zhu Junzhen,Wu Chunzhi,Zhang Guang.A Method for Determining Intrinsic Mode Function Number in Variational Mode Decomposition and Its Application to Bearing Vibration Signal Processing[J].Shock and Vibration,2020.

Azami Hamed,Rostaghi Mostafa,Abasolo Daniel,Escudero Javier.Refined Composite Multiscale Dispersion Entropy and its Application to Biomedical Signals.[J].IEEE transactions on bio-medical engineering,2017.

Mostafa Rostaghi,Hamed Azami.Dispersion Entropy: A Measure for Time-Series Analysis.[J].IEEE Signal Process. Lett.,2016.

Konstantin Dragomiretskiy,Dominique Zosso.Variational Mode Decomposition.[J].IEEE Trans. Signal Processing,2014.

张依东.基于多尺度融合离散熵的齿轮故障诊断方法研究[D].浙江大学,2018(12).

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

支持向量机在电力变压器故障诊断中的应用

Fault Diagnosis of Engine Based on Support Vector Machine

低频和高频交流电场助燃对比及燃烧特征参数预测研究

采用改进共空间模式算法的四类表情辅助脑电信号识别方法

CNN-LSTM深度神经网络在滚动轴承故障诊断中的应用

Related Author

吴晓辉

刘炯

梁永春

汪晓明

李彦明

唐浩

屈梁生

曾科

Related Institution

西安交通大学电气工程学院

School of Mechanical Engineering, Xi'an Jiaotong University

西安交通大学能源与动力工程学院

新疆医科大学第一附属医院

西安交通大学机械工程学院

⁰