文献类型：期刊文章

作　　者：赵家浩[1,2] 廖晓娟[3] 唐锡雷[3]

ZHAO Jia-hao;LIAO Xiao-juan;TANG Xi-lei(School of Microelectronics,Shandong University,Jinan 250101,China;Department of Business Administration,Shandong College of Tourism and Hospitality,Jinan 250200,China;不详)

机构地区：[1]山东大学微电子学院,济南250101 [2]山东旅游职业学院工商管理系,济南250200 [3]重庆科创职业学院人工智能学院,重庆402160

出　　处：《组合机床与自动化加工技术》

年　　份：2022

期　　号：12

起止页码：48-52

语　　种：中文

收录情况：BDHX、BDHX2020、JST、RCCSE、ZGKJHX、核心刊

摘　　要：齿轮箱振动存在多个传递路径,而典型齿轮箱故障诊断方法一般使用单个路径的单通道振动信号,易造成其它通道信息的遗漏。为充分利用不同路径振动信号故障信息,增强故障特征的质量,引入了多元多尺度加权排列熵,对其粗粒化方式进行了完善,提出了改进多元多尺度加权排列熵(IMMWPE),实现齿轮箱多通道振动信号的故障特征提取。基于此,提出了一种结合IMMWPE、成对邻近特征和粒子群优化支持向量机的齿轮箱故障诊断方法。通过齿轮箱多通道数据分析,将其与多元多尺度样本熵、多元多尺度排列熵和多元多尺度模糊熵等方法进行对比,结果证明该方法能够准确识别齿轮箱的各类故障,而且优于对比方法。

关 键 词：齿轮箱 改进多元多尺度加权排列熵  成对邻近特征  故障诊断

分 类 号：TH165] TG659]