文章详情
| 稿件标题： | 基于能量熵和自适应神经模糊推理系统的齿轮故障诊断 |
| 稿件作者： | 高淑婷1,刘裕鹏2,王满意1 |
| DOI： | 10.11809/bqzbgcxb2024.04.038 |
| 科学编辑： | 杨继森 博士（重庆理工大学 教授） |
| 栏目名称： | 机械制造与检测技术 |
| 关键词： | 齿轮；能量熵；经验模态分解；自适应神经模糊推理系统；故障诊断 |
| 文章摘要： | 为了解决齿轮振动信号中出现噪声污染严重，故障特征信息提取困难的问题，提出了基于能量熵和自适应神经模糊推理系统（ANFIS）的齿轮故障诊断方法。将预处理后的振动信号作自适应噪声完备经验模式（CEEMDAN）分解，可获得不同尺度的本征模态函数（IMF）；由于各IMF包含主要故障特征信息，且不同故障状态下各IMF分布有明显不同，因此通过计算能量熵来量化故障时频域特征，构造出表征模态分量信息的特征向量；以此输入ANFIS进行样本的学习和训练，在自适应调整网络参数和隶属函数后，获得最优ANFIS。实验结果表明：该方法诊断结果准确率近乎100%，可有效地识别故障类型。 |
| 稿件基金： | 国家杰出青年科学基金项目（61701237） |
| 引用本文格式： | 高淑婷,刘裕鹏,王满意.基于能量熵和自适应神经模糊推理系统的齿轮故障诊断［J］.兵器装备工程学报，2024，45(4)：294-300. GAO Shuting, LIU Yupeng, WANG Manyi.Gear fault diagnosis based on energy entropy and adaptive neural fuzzy inference system［J］.Journal of Ordnance Equipment Engineering，2024，45(4)：294-300. |
| 刊期名称： | 2024年04期 |
| 出版时间： | 2024年4月 |
| 收稿日期： | 2023-05-22 |
| 修回日期： | 2023-07-11 |
| 录用日期： | 2023-08-15 |
| 上线时间： | 2024年4月30日 |
| 浏览次数： | 1393 |
| 下载次数： | 35 |
| 免费阅读PDF 在线阅读 下载本期目录 下载本期封面 | |