检索结果-南通市图书馆

机电工程 2024年

作者：桂芳李健刘磊安徽省第一轻工业学校工业工程系合肥工业大学机械工程学院

采用单通道振动信号无法完全准确表征轴承多角度的故障信息，导致特征提取不够充分。针对这一缺陷，构建了一种基于改进精细复合多元多尺度反向散布熵(IRCMMRDE)和参数优化概率神经网络(PNN)的滚动轴承损伤辨识模型。首先，使用了振动... 详细信息

采用单通道振动信号无法完全准确表征轴承多角度的故障信息，导致特征提取不够充分。针对这一缺陷，构建了一种基于改进精细复合多元多尺度反向散布熵(IRCMMRDE)和参数优化概率神经网络(PNN)的滚动轴承损伤辨识模型。首先，使用了振动加速度计和麦克风两种类型的传感器，同时获得了滚动轴承不同工况下的振动和声音信号，构建了故障信息量更丰富的多通道信号；随后，提出了能够同步分析多通道信号的IRCMMRDE方法，并将其用于提取滚动轴承多通道信号的故障特征；接着，采用哈里斯鹰优化器(HHO)对概率神经网络的平滑因子进行了自适应寻优，构造了网络结构最优的PNN模型；最后，将损伤样本输入至HHO-PNN模型中，进行了故障的分类识别，完成了滚动轴承样本的故障辨识；并基于滚动轴承声振信号数据集，对基于IRCMMRDE-HHO-PNN的故障诊断方法的有效性进行了验证。研究结果表明：基于IRCMMRDE和HHO-PNN的故障诊断方法的准确率达到了99.6%，平均的识别准确率达到了99.8%，优于其他多种特征提取方法；同时，对多通道融合信号进行分析取得的准确率优于单个通道的信号，准确率分别提高了8.8%和4.8%；此外，HHO-PNN分类器模型的诊断性能优于其他分类模型，更具有泛化性和实用性。

关键词：滚动轴承故障诊断改进精细复合多元多尺度反向散布熵概率神经网络多通道信号哈里斯鹰优化器

来源：

同方期刊数据库评论

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：