文献类型：期刊文章

作　　者：高家宝[1] 许昕[1] 潘宏侠[1,2] 付志敏[1]

GAO Jiabao;XU Xin;PAN Hongxia;FU Zhimin(School of Mechanical Engineering,North University of China,Taiyuan 030051,China;System Identification and Diagnosis Technology Research Institute,North University of China,Taiyuan 030024,China)

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

出　　处：《机械设计与研究》

基　　金：国家自然科学基金资助项目(516T5491)。

年　　份：2020

卷　　号：36

期　　号：2

起止页码：181-184

语　　种：中文

收录情况：BDHX、BDHX2017、CSCD、CSCD_E2019_2020、JST、PROQUEST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：对于供输弹系统早期故障信息微弱,难以识别诊断的问题,提出一种基于信息熵与Elman神经网络相结合的供输弹系统早期故障诊断的方法。通过合理布置测点采集供输弹系统振动信号,经自适应广义形态滤波后提取近似熵、样本熵为特征参量,分别运用Elman神经网络和BP神经网络对其识别。结果显示:该方法能有效对供输弹系统早期故障进行诊断,诊断正确率高达92.13%,且优于BP神经网络的诊断结果。文中所运用的方法在供输弹系统早期故障诊断中有良好的应用。

关 键 词：近似熵 样本熵  神经网络 故障诊断 供输弹系统  

分 类 号：TH17]