文献类型：期刊文章

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

LI Yongjian;SONG Hao;LIU Jihua;ZHANG Weihua;XIONG Qing(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,广东江门529020 [2]西华大学汽车测控与安全四川省重点实验室,四川成都610039 [3]西南交通大学牵引动力国家重点实验室,四川成都610031 [4]西华大学汽车与交通学院,四川成都610039

出　　处：《铁道学报》

基　　金：国家重点研发计划(2016YFB1200401);青年创新人才类项目(2018KQNCX262);四川省科技计划项目(2018JY0238);西华大学省部级学科平台开放课题(szjj2018-132);西华大学自然科学基金(z1620303)

年　　份：2020

卷　　号：42

期　　号：1

起止页码：33-39

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2019_2020、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：多尺度排列熵作为非线性方法,被广泛应用于时间序列复杂性和随机性的评估之中。由于粗粒化过程中的缺陷会导致熵值精度低、稳定性差,提出了改进多尺度排列熵。通过仿真信号与传统多尺度排列熵方法比较发现,在不同尺度下改进多尺度排列熵方法估计的熵值结果更加稳定,且误差减小。结合马氏距离特征选择与遗传算法优化的支持矢量机模式识别算法,提出了一种智能化的轴承故障诊断方法。通过列车轴箱轴承实验数据进行验证,结果表明该方法可准确识别出不同类型的故障轴承。

关 键 词：多尺度排列熵  马氏距离  特征提取 支持矢量机 故障诊断

分 类 号：U279.323]