文献类型：期刊文章

作　　者：李永健[1,2] 刘吉华[1] 张卫华[3] 熊庆[4] 李鹏[1]

Li Yongjian;Liu Jihua;Zhang Weihua;Xiong Qing;Li Peng(School of rail transportation,Wuyi University,Jiangmen 529020,China;Key Laboratory of Automotive Measurement,Control and Safety,Xihua University,Chengdu 610039,China;State Key Laboratory of Traction Power,Southwest Jiaotong University,Chengdu 610031,China;School of Automobile ＆ Transportation,Xihua University,Chengdu 610039,China)

机构地区：[1]五邑大学轨道交通学院,江门529020 [2]西华大学汽车测控与安全四川省重点实验室,成都610039 [3]西南交通大学牵引动力国家重点实验室,成都610031 [4]西华大学汽车与交通学院,成都610039

出　　处：《仪器仪表学报》

基　　金：国家重点研发计划(2016YFB1200401);汽车测控与安全四川省重点实验室开放课题(szjj2018-132);江门市基础与理论科学研究类科技计划(2018JC01005,2018JC01007,201701003006113)项目资助

年　　份：2018

卷　　号：39

期　　号：9

起止页码：179-186

语　　种：中文

收录情况：BDHX、BDHX2017、CAS、CSCD、CSCD2017_2018、EI、IC、JST、RCCSE、RSC、SCOPUS、ZGKJHX、核心刊

摘　　要：针对轴箱轴承振动信号的非线性以及非平稳特征,提出了一种基于非线性动力学检测的状态表征方法—改进多尺度样本熵（IMSE）。虽然传统多尺度样本熵（MSE）可以分析更多的状态信息,但是当尺度因子不断增大后会造成熵值统计的精度降低、误差增大、波动程度增加,甚至导致熵值没有定义。通过对原有方法从粗粒化过程和熵的定义两方面入手作了相应的完善,提出了改进的多尺度熵以解决现有缺陷。通过轴箱轴承台架实验数据对新方法的有效性进行了验证,结果表明,相比MSE方法,IMSE性能更加优异,取得了更高的损伤识别精度。

关 键 词：轴箱轴承 多尺度样本熵  特征提取 概率神经网络 故障诊断

分 类 号：TH133.33]