文献类型：期刊文章

作　　者：安邦[1] 潘宏侠[1,2] 赵雄鹏[1] 张青青[1]

机构地区：[1]中北大学机械与动力工程学院,山西太原030051 [2]中北大学系统辨识与诊断技术研究所,山西太原030051

出　　处：《机械设计与制造》

基　　金：国家自然科学基金项目-基于运动形态分解和信息熵融合的高速自动机早期故障诊断研究(51175480);基于广义形态学与多场信息融合的复杂供输弹系统早期故障预示方法研究(51675491)

年　　份：2017

期　　号：9

起止页码：141-144

语　　种：中文

收录情况：BDHX、BDHX2014、JST、RCCSE、ZGKJHX、核心刊

摘　　要：考虑到自动机工作环境复杂,各部件相互作用时间短,冲击性强从而导致各种响应信号相互叠加,敏感特征参量难以确定的问题,提出了一种应用多参数融合与ELM相结合的自动机故障诊断方法。首先,对自动机故障信号计算广义分形维数,在此基础上提取盒维数、信息维数、关联维数作为故障特征参量;然后引入信息熵模型,对自动机故障信号提取功率谱熵、奇异谱熵、特征空间谱熵作为特征参量来描述信号状态在频域、时域、时频域的能量变化;最后将特征参量输入到极限学习机中(ELM)进行分类。实验结果表明多参数融合能全面准确地反映故障信息,极限学习机学习速度快、结构简单,具有很好的故障分类效果。

关 键 词：多参数融合  广义分形维数  信息熵 极限学习机 自动机 故障诊断

分 类 号：TH16]