《机电工程》杂志社科技期刊核心期刊论文投稿机电一体化机械、仪表电工自动化、计算机浙江大学主办

《机电工程》杂志，月刊( 详细... )

中国标准连续出版物号： ISSN 1001-4551 CN 33-1088/TH
主办单位：浙江省机电集团有限公司
浙江大学
主编：赵群
副主编：唐任仲、罗向阳(执行主编)
总经理：罗向阳
出版：浙江《机电工程》杂志社有限公司
地址：杭州市上城区延安路95号浙江省机电集团大楼二楼211、212室
电话Tel：+86-571-87041360、87239525
E-mail：meem_contribute@163.com
国外发行：中国国际图书贸易总公司
订阅：全国各地邮局 国外代号：M3135
国内发行：浙江省报刊发行局
邮发代号：32-68
广告发布登记证：杭上市管广发G-001号

在线杂志	当前位置：机电工程 >>在线杂志

.基于双频精细复合多尺度排列熵的齿轮箱损伤识别

作者：刘心,费莹,李倩. 日期：2023-10-19/span> 浏览：316 查看PDF文档

基于双频精细复合多尺度排列熵的齿轮箱损伤识别*

刘心1,2,费莹3,李倩4

(1.桂林电子科技大学信息科技学院,广西桂林 541004;2.三门峡社会管理职业学院机电工程学院,河南三门峡 472000;

3.苏州大学金螳螂建筑学院,江苏苏州 215123;4.浙江汽车职业技术学院电子工程系,浙江临海 317000)

摘要:齿轮箱振动信号的非线性会导致其损伤特征难以得到有效提取,针对这一问题,提出了一种基于双频精细复合多尺度排列熵(DFRCMPE)和鲸鱼算法优化支持向量机(WOA-SVM)的融合损伤识别方法。首先,采用小波包分解(WPD)对齿轮箱损伤振动信号进行了两层分解,获得了反映齿轮箱损伤特性的低频和高频分量;然后,利用精细复合多尺度排列熵(RCMPE)对两组频带分量进行了分析,以充分提取嵌入在振动信号中的损伤信息,构建损伤特征;最后,将损伤特征输入至WOA-SVM分类模型中,成功对损伤进行了智能识别,并以实验采集到的齿轮箱振动信号为对象,对基于DFRCMPE和WOASVM的融合损伤识别方法的有效性开展了对比讨论。研究结果表明:与基于精细复合多尺度样本熵(RCMSE)、精细复合多尺度模糊熵(RCMFE)、RCMPE、精细复合多尺度散布熵(RCMDE)的特征提取方法相比,基于DFRCMPE和WOASVM的融合损伤识别方法的准确率和稳定性更高,平均识别准确率达到了100%;该方法能够为解决实际应用中的齿轮箱故障识别问题提供可行的思路。

关键词:齿轮传动;损伤特征提取;齿轮箱振动信号;双频精细复合多尺度排列熵;鲸鱼算法优化支持向量机;小波包分解

中图分类号:TH132.41文献标识码:A文章编号:1001-4551(2023)08-1176-09

本文引用格式:

刘心,费莹,李倩.基于双频精细复合多尺度排列熵的齿轮箱损伤识别［J］.机电工程,2023,40(8):1176-1184.

LIU Xin, FEI Ying, LI Qian. Damage identification of gearbox based on dual-frequency refined composite multiscale permutation entropy［J］.Journal of Mechanical & Electrical Engineering, 2023,40(8):1176-1184.