检索结果-内蒙古大学图书馆

机电工程 2023年第9期40卷 1326-1335页

作者：卢艳静许艳英包宋建河南师范大学电子与电气工程学院河南新乡453007 三门峡社会管理职业学院信息工程学院河南三门峡472000 重庆科创职业学院人工智能学院重庆402160 重庆文理学院电子信息与电气工程学院重庆402160

滚动轴承故障检测过程中存在故障特征提取困难和分类准确率较低的问题,为此,提出了一种基于时移多尺度Lempel-Ziv复杂度(TSMLZC)和灰狼优化器-支持向量机(GWO-SVM)的滚动轴承故障诊断方法。首先,基于Lempel-Ziv复杂度,提出了一种称为TSM... 详细信息

滚动轴承故障检测过程中存在故障特征提取困难和分类准确率较低的问题,为此,提出了一种基于时移多尺度Lempel-Ziv复杂度(TSMLZC)和灰狼优化器-支持向量机(GWO-SVM)的滚动轴承故障诊断方法。首先,基于Lempel-Ziv复杂度,提出了一种称为TSMLZC的测量信号复杂度的工具,其能够无参数地测量时间序列的复杂度;然后,利用该工具提取了滚动轴承振动信号的TSMLZC值作为故障特征,以表征滚动轴承的不同故障状态;最后,将故障特征输入到基于灰狼优化器的支持向量机分类模型中,对不同滚动轴承的状态进行了准确识别;再将该方法应用于2种实际滚动轴承故障案例,并对5种故障检测方法的诊断结果进行了分析和对比。研究结果表明:与传统的故障诊断模型——多尺度Lempel-ziv复杂度(MLZC)、多尺度熵(MSE)、多尺度模糊熵(MFE)、多尺度排列熵(MPE)相比,TSMLZC+GWO-SVM在2种数据集下分别取得了98.8%和94.4%的诊断准确率,证明了该模型能够适用于滚动轴承的故障诊断;而在诊断滚动轴承的不同负载和工况时,所建立的模型也获得了良好的分类准确率,这表明TSMLZC+GWO-SVM具有较强的竞争力。

关键词：故障特征提取故障分类故障检测准确率时移多尺度Lempel-Ziv复杂度灰狼优化器-支持向量机

来源：评论

学校读者我要写书评

暂无评论

基于计量数据的设备故障诊断与性能评估

引用

现代制造技术与装备 2024年第S2期60卷 51-53,60页

作者：邹大雁广电计量检测(昆明)有限公司昆明650000

本研究致力于评定基于计量数据的设备故障诊断与评估系统的实效性。根据模拟实验,对系统故障检测准确率、故障误报率、性能评估准确率、平均故障发现时间进行了详细剖析。采用基于计量数据的故障诊断模型,仿真模拟不同类型的故障(包含... 详细信息

本研究致力于评定基于计量数据的设备故障诊断与评估系统的实效性。根据模拟实验,对系统故障检测准确率、故障误报率、性能评估准确率、平均故障发现时间进行了详细剖析。采用基于计量数据的故障诊断模型,仿真模拟不同类型的故障(包含短路、断路、过载、接地故障)并通过仿真对设备性能情况(“优”“良”“中”“差”)进行评价。在实验操作中,密切关注故障检测准确率、故障误报率、性能评估准确率,以及从故障产生到网络检测的平均时间。正常情况下,系统软件故障检测准确率为94.00%,短路故障、过载故障、接地装置故障检测准确率均为90.00%,断路故障检测准确率为89.17%;故障误报率低,正常情况下误报率仅为0.75%,断路故障误报率为1.80%;性能评估准确率高,“差”显示为87.00%;短路故障和过载故障平均检测时间为17 min,断路和接地故障平均检测时间为19 min。

关键词：计量数据故障诊断性能评估故障检测准确率

来源：评论

学校读者我要写书评

暂无评论

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

请选择保存的检索档案：

请选择收藏分类：

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

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

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：