噪声与振动控制

噪声与振动控制 ›› 2024, Vol. 44 ›› Issue (4): 161-166.

• 信号处理与故障诊断 • 上一篇    下一篇

主减速器故障的增强多尺度微分符号熵和优化SVM诊断

汪会财1，徐婷婷1，胡晓锐1，龙羿1，池磊1，唐述2   

  1. （1. 国网重庆市电力公司，重庆400015； 2. 重庆邮电大学计算机科学与技术学院，重庆400065）
  • 收稿日期:2022-12-02 修回日期:2023-03-07 出版日期:2024-08-18 发布日期:2024-08-16

Main Reducer Fault Diagnosis Based on Enhanced Multi-scale Differential Symbolic Entropy and Optimized SVM

  • Received:2022-12-02 Revised:2023-03-07 Online:2024-08-18 Published:2024-08-16

PDF

摘要： 为准确提取出能够表征车辆主减速器故障的故障特征，同时针对多尺度微分符号熵（Multi-scale Differential Symbolic Entropy，MDSE）粗粒化过程中存在的问题，提出增强多尺度微分符号熵（Enhanced Multi-scale Differential Symbolic Entropy，EMDSE）的概念，并结合蝴蝶算法（Butterfly Optimization Algorithm，BOA）优化的支持向量机（Support Vector Machine，SVM），提出主减速器故障诊断的EMDSE和BOA-SVM方法。EMDSE可解决MDSE粗粒化过程中存在的信息泄露和计算结果不稳定的不足，能够更加有效地利用信号中存在的故障信息。主减速器故障诊断实例结果表明，相比于MDSE，EMDSE的计算结果更稳定，对主减速器不同故障状态的可区分性更强，BOA-SVM得到的诊断精度更高。

关键词: 故障诊断, 主减速器, 微分符号熵, 多尺度, 增强