科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对轴箱轴承早期损伤的检测问题，提出一种基于改进多尺度离散熵算法（improved multiscale dispersion entropy，简称IMDE）和支持向量机的诊断模型，通过提取振动信号中的关键信息有效识别轴承的健康状态。首先，考虑传统多尺度离散熵（multiscale dispersion entropy，简称MDE）因数据点重合和粗粒化尺度不断增大而引起的熵值误差增加、分布混乱及波动明显等缺陷，通过对粗粒化过程和离散熵的优化改进算法；其次，结合实际算例，针对高速列车轴箱轴承在不同运行状态下的振动数据进行试验验证。结果表明，相较于MDE,IMDE计算熵值的误差更小，鲁棒性更好，且支持向量机分类结果显示IMDE取得了更高的诊断精度。
