本文關鍵詞：基于VMD的自適應復合多尺度模糊熵及其在滾動軸承故障診斷中的應用　出處：《航空動力學報》2017年07期 　論文類型：期刊論文

  更多相關文章： 滾動軸承 故障診斷 多尺度模糊熵 變分模態(tài)分解 特征選擇

【摘要】：提出了一種基于自適應多尺度模糊熵、ILS(迭代拉普拉斯得分)特征選擇和粒子群優(yōu)化支持向量機(PSO-SVM)的滾動軸承故障診斷方法。該方法采用變分模態(tài)分解對振動信號進行分解和重構,并計算重構信號的復合多尺度模糊熵;同時采用迭代拉普拉斯得分選擇敏感故障特征,并將特征選擇結果輸入到基于粒子群優(yōu)化支持向量機的多故障分類器進行識別。將提出的方法應用于滾動軸承試驗數據分析。結果表明:該方法對試驗數據的故障識別率為100%。并將基于ILS特征選擇方法與基于SFS(sequential forward selection)特征選擇進行了對比,表明基于SFS特征選擇的最高識別率為92.86%,而基于ILS特征選擇的故障識別率達到100%。
[Abstract]:Propose a method based on adaptive multi scale fuzzy entropy, ILS (iterative Laplasse scoring) feature selection and particle swarm optimization support vector machine (PSO-SVM) of the rolling bearing fault diagnosis method. This method adopts variational modal decomposition and reconstruction of vibration signal, multi scale calculation and signal reconstruction of fuzzy entropy; at the same time using the iterative Laplasse scoring option sensitive fault feature, and the feature selection result is input to the recognition of particle swarm optimization in multi fault classifier based on support vector machine. The proposed method is applied to rolling bearing test data analysis. The results show that the method of fault identification of the test data rate for 100%. and ILS feature selection method based on and based on SFS (sequential forward selection) were compared for feature selection, feature selection of SFS showed the highest recognition rate based on 92.86%, and based on ILS feature selection The selective fault recognition rate is up to 100%.

【作者單位】： 安徽工業(yè)大學機械工程學院;
【基金】：國家自然科學基金(51505002) 安徽省高校自然科學研究重點資助項目(KJ2015A080) 安徽工業(yè)大學研究生創(chuàng)新研究基金(2016062)
【分類號】：TH133.33
【正文快照】： 引用格式:鄭近德,姜戰(zhàn)偉,代俊習,等.基于VMD的自適應復合多尺度模糊熵及其在滾動軸承故障診斷中的應用[J].航空動力學報,2017,32(7):1683-1689.ZHENG Jinde,JIANG Zhanwei,DAI Junxi,et al.VMD based adaptive composite multiscale fuzzyentropy and its application to faul

【參考文獻】

相關期刊論文 前3條

1 鄭近德;潘海洋;程軍圣;張俊;;基于復合多尺度模糊熵的滾動軸承故障診斷方法[J];振動與沖擊;2016年08期

2 張淑清;李盼;胡永濤;王佳森;姜萬錄;;多重分形近似熵與減法FCM聚類的研究及應用[J];振動與沖擊;2015年18期

3 王樂;張家忠;周成武;田美;;離心壓縮機葉輪旋轉失速的相空間重構及分形特征[J];航空動力學報;2014年10期

【共引文獻】

相關期刊論文 前3條

1 鄭近德;姜戰(zhàn)偉;代俊習;潘紫微;;基于VMD的自適應復合多尺度模糊熵及其在滾動軸承故障診斷中的應用[J];航空動力學報;2017年07期

2 羅仁澤;蔣鵬;陸存;張耀;;基于小波包能量與模糊C均值聚類的軸承退化狀態(tài)預測[J];組合機床與自動化加工技術;2016年11期

3 張磊;袁威;王松嶺;;軸向間距對軸流風機失速流場特征影響[J];熱力發(fā)電;2016年10期

【二級參考文獻】

相關期刊論文 前10條

1 石志標;苗瑩;;基于FOA-SVM的汽輪機振動故障診斷[J];振動與沖擊;2014年22期

2 鄭近德;程軍圣;胡思宇;;多尺度熵在轉子故障診斷中的應用[J];振動.測試與診斷;2013年02期

3 林近山;陳前;;基于多重分形去趨勢波動分析的齒輪箱故障特征提取方法[J];振動與沖擊;2013年02期

4 林近山;陳前;;基于非平穩(wěn)時間序列雙標度指數特征的齒輪箱故障診斷[J];機械工程學報;2012年13期

5 鄭近德;程軍圣;楊宇;;基于多尺度熵的滾動軸承故障診斷方法[J];湖南大學學報(自然科學版);2012年05期

6 趙志宏;楊紹普;;一種基于樣本熵的軸承故障診斷方法[J];振動與沖擊;2012年06期

7 蔡威;程俊杰;;基于減法聚類的GK模糊聚類研究[J];蘭州交通大學學報;2011年06期

8 谷勇霞;周忠寧;李意民;;基于關聯(lián)維數的風機失速特征研究(英文)[J];Transactions of Nanjing University of Aeronautics & Astronautics;2011年04期

9 張淑清;張金敏;趙玉春;張立國;邢艷杰;;基于混沌與模糊聚類的機械故障自動識別[J];機械工程學報;2011年19期

10 徐超;張培林;任國全;傅建平;;基于改進半監(jiān)督模糊C-均值聚類的發(fā)動機磨損故障診斷[J];機械工程學報;2011年17期

【相似文獻】

相關期刊論文 前10條

1 劉璨,姚錫凡;特征分區(qū)的不確定性及模糊熵評判研究[J];機械與電子;2005年07期

2 常遠;郝軼;黃曉津;李春文;梁記興;劉景源;;基于模糊熵的核電站瞬態(tài)識別方法[J];原子能科學技術;2014年09期

3 王國鋒;蘆麗明;李言俊;張科;;基于模糊熵的紅外圖象分割方法[J];彈箭與制導學報;2002年S1期

4 李俠;毛軍軍;湯義強;;基于模糊熵的城市設施水平綜合評價分析[J];計算機技術與發(fā)展;2010年07期

5 谷令軍;周進;;一種基于模糊熵的相位編組提取直線的方法[J];儀器儀表用戶;2010年03期

6 田京;羅志增;;基于模糊熵的運動想像腦電信號特征提取[J];華中科技大學學報(自然科學版);2013年S1期

7 陳業(yè)華;黃元美;高峰;;基于模糊熵的聚類有效性分析[J];燕山大學學報;2007年01期

8 王鳳山;黃育;劉猛;;基于兩階段模糊熵權的震災搶修搶建價值評估模型[J];中國安全科學學報;2010年11期

9 單鑫;張福光;劉士新;王新政;;艦載導彈配送路徑決策模糊熵物元模型[J];兵工自動化;2012年05期

10 孫文邦;陳賀新;唐海燕;于光;;基于二維模糊熵的圖像非監(jiān)督變化檢測[J];吉林大學學報(工學版);2011年05期

相關會議論文 前6條

1 齊思剛;;基于模糊熵的模糊數運算[A];模糊集理論與模糊應用專輯——中國系統(tǒng)工程學會模糊數學與模糊系統(tǒng)委員會第十屆年會論文選集[C];2000年

2 胡應平;;運用模糊熵構建協(xié)調模型[A];模糊集理論與應用——98年中國模糊數學與模糊系統(tǒng)委員會第九屆年會論文選集[C];1998年

3 魏華;王志強;張運杰;;基于模糊熵的備擇邊緣細化方法[A];全面建設小康社會：中國科技工作者的歷史責任——中國科協(xié)2003年學術年會論文集（上）[C];2003年

4 吳川;朱明;楊冬;;基于最大模糊熵原則的低對比度圖像閾值選取法[A];第十一屆全國信號處理學術年會（CCSP-2003）論文集[C];2003年

5 李筠;祝勇;;誤差分布類型的模糊熵判別方法[A];第七屆青年學術會議論文集[C];2005年

6 何春;陸俊;;基于模糊熵方向特征的圖像邊緣檢測方法[A];圖像圖形技術研究與應用(2010)[C];2010年

相關碩士學位論文 前10條

1 鄭宗琳;基于高速列車走行部監(jiān)測數據的EEMD特征分析[D];西南交通大學;2015年

2 董國新;基于ELMD多尺度模糊熵和概率神經網絡的暫態(tài)電能質量識別[D];燕山大學;2016年

3 頓士君;基于腦電多尺度非線性分析的睡眠分期研究[D];燕山大學;2016年

4 王旭堯;基于多元多尺度模糊熵的人體步態(tài)信號分類[D];燕山大學;2016年

5 張翔;基于模糊熵方法的云服務選擇研究與實現[D];內蒙古大學;2016年

6 王迪;基于模糊熵的證券投資組合優(yōu)化模型研究[D];北京化工大學;2016年

7 沈小雪;模糊推理中的直覺模糊熵研究[D];遼寧工程技術大學;2014年

8 趙鳳;基于模糊熵理論的若干圖象分割方法研究[D];西安郵電學院;2007年

9 吳學謙;互模糊熵的改進及其在心衰檢測中的應用[D];山東大學;2014年

10 張麗波;基于三角模糊熵的信息安全風險評估研究[D];黑龍江大學;2013年

，

本文編號：1394870