科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对多尺度加权排列熵(MWPE)的粗粒化处理易造成信息丢失，无法全面提取齿轮箱故障信息的缺陷，提出了基于改进的精细复合多尺度反向加权排列熵(IRCMRWPE)和支持向量机(SVM)的齿轮箱故障诊断方法。引入精细复合多尺度反向加权排列熵，将其粗粒化处理中的平均值替换为最小值来表征数据段信息，以缓解传统粗粒化处理的不足并强化故障特征的质量；将IRCMRWPE作为表征齿轮箱故障状态的特征向量，使用SVM分类器对故障特征进行识别。基于齿轮箱实验数据对所提方法进行了评估，结果表明该方法可准确地识别齿轮箱的不同故障型，相比于基于MRWPE、MRPE和MWPE的方法，能够更有效的提取齿轮箱的故障特征，增强故障识别的可靠性。
- 出版日期2023
- 单位内蒙古交通职业技术学院; 合肥工业大学
