位置:成果数据库 > 期刊 > 期刊详情页
基于多维度排列熵与支持向量机的轴承早期故障诊断方法
  • ISSN号:1006-5911
  • 期刊名称:计算机集成制造系统
  • 时间:2014.9.15
  • 页码:2275-2282
  • 分类:TH165.3[机械工程—机械制造及自动化] TH17[机械工程—机械制造及自动化]
  • 作者机构:[1] 太原理工大学机械电子工程研究所, 山西太原030024, [2]太原理工大学新型传感器与智能控制教育部重点实验室, 山西太原030024
  • 相关基金:国家自然科学基金资助项目(51035007),山西省自然科学基金资助项目(2012011046-10)
  • 相关项目:关键设备故障预示与运行安全保障的新理论和新技术
中文摘要:

针对许多现有方法无法有效诊断滚动轴承早期故障的问题,引入排列熵的方法对轴承振动信号进行早期故障分析.通过研究嵌入维数和延迟时间对信号排列熵的影响,提出多维度排列熵的特征提取方法.利用多维度排列熵方法所提取的特征,建立了基于支持向量机的轴承早期故障智能诊断模型.对轴承不同类型、不同程度的故障数据进行分析,证明了多维度排列熵方法可以有效提取轴承不同状态的特征信息,与支持向量机结合的智能诊断模型可以精确地诊断轴承不同类型的早期故障,具有很强的通用性;该模型在贫样本的情况下,依然具有很高的诊断精度,适用于滚动轴承早期故障状态的在线监测.

英文摘要:

Aiming at the problem that the early fault diagnosis of rolling bearing could not be carried out effectively by most exiting methods, the permutation entropy algorithm was used to analyze the early faults of bearing vibration signal. Through researching the impact of embedding dimension and delaying time on signal permutation entropy, a feature extraction method based on multi-dimension permutation entropy algorithm was proposed. The intelligent di- agnosis model was established to diagnose bearing early faults according to the support vector machine theory and the features calculated by the proposed method. The fault data with different types and varying degrees of bearings were analyzed to prove the effectiveness of multi-dimension permutation entropy method for extracting the features information of beating's different states effectively and the universality of proposed intelligent model for diagnosing the bearing early faults accurately. Under the circumstance of poor samples, the proposed model had- high diagnos- tic capability which was suitable for on-line monitoring for bearing early faults.

同期刊论文项目
期刊论文 323 会议论文 63 专利 12 著作 5
同项目期刊论文
期刊信息
  • 《计算机集成制造系统》
  • 北大核心期刊(2011版)
  • 主管单位:中国兵器工业集团公司
  • 主办单位:中国兵器工业第210研究所
  • 主编:杨海成
  • 地址:北京市海淀区车道沟10号北京2413信箱34分箱
  • 邮编:100089
  • 邮箱:986127464@qq.com
  • 电话:010-68962468
  • 国际标准刊号:ISSN:1006-5911
  • 国内统一刊号:ISSN:11-5946/TP
  • 邮发代号:82-289
  • 获奖情况:
  • 全国中文核心期刊,中国科技论文统计与分析文献来源期刊,中国科学引文数据库来源期刊,中国期刊方阵“双效”期刊
  • 国内外数据库收录:
  • 俄罗斯文摘杂志,波兰哥白尼索引,荷兰文摘与引文数据库,美国工程索引,美国剑桥科学文摘,英国科学文摘数据库,中国中国科技核心期刊,中国北大核心期刊(2004版),中国北大核心期刊(2008版),中国北大核心期刊(2011版),中国北大核心期刊(2014版),中国北大核心期刊(2000版)
  • 被引量:25379