期刊专题

10.13224/j.cnki.jasp.2019.04.002

基于ACMPE、ISSL-Isomap和GWO-SVM的行星齿轮箱故障诊断

引用
针对从行星齿轮箱非线性、非平稳振动信号特征提取困难的问题,提出了一种基于自适应复合多尺度排列熵(ACMPE)、改进监督型自组织增量学习神经网络界标点等度规映射(ISSL-Isomap)和灰狼群优化支持向量机(GWO-SVM)相结合的行星齿轮箱故障诊断方法.利用ACMPE从复杂域提取振动信号的故障特征,构建高维故障特征集;采用ISSL-Isomap方法对高维故障特征集进行维数约简,提取出低维、敏感故障特征;应用GWO-SVM分类器对低维故障特征进行模式识别,判断故障类型.行星齿轮箱故障诊断实验结果分析表明:与多尺度排列熵(MPE)、复合多尺度排列熵(CMPE)等特征提取方法相比,ACMPE方法在分类效果和识别精度上更具优势;与局部切空间排列(LTSA)、等度规映射(Isomap)、加权Isomap (W-Isomap)、监督Isomap(S-Isomap)和监督型自组织增量学习神经网络界标点Isomap (SSL-Isomap)等降维方法进行比较,ISSL-Isomap方法降维效果最佳;所提方法的故障识别率达到100%,具有一定优越性.

故障诊断、行星齿轮箱、自适应复合多尺度排列熵(ACMPE)、改进监督型自组织增量学习神经网络界标点等度规映射(ISSL-Isomap)、灰狼群优化支持向量机(GWO-SVM)

34

V232.8;TH165+.3;TN911.7(航空发动机(推进系统))

国家自然科学基金51505002;安徽省自然科学基金1808085ME152;安徽省高校自然科学研究重点项目KJ2017 A053;研究生创新研究基金2017012

2019-05-22(万方平台首次上网日期,不代表论文的发表时间)

共12页

744-755

暂无封面信息
查看本期封面目录

航空动力学报

1000-8055

11-2297/V

34

2019,34(4)

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn