[1]韩 龙,等.基于EEMD和多元多尺度熵的风力发电机组滚动轴承故障特征提取[J].工业仪表与自动化装置,2016,(01):23.
　HAN Long,LI Chengwei,WANGli,et al.Feature extraction of rolling bearing for wind generator based on EEMD and Multivariate Multiscale Entropy[J].Industrial Instrumentation & Automation,2016,(01):23.
点击复制

基于EEMD和多元多尺度熵的风力发电机组滚动轴承故障特征提取()

《工业仪表与自动化装置》[ISSN:1000-0682/CN:61-1121/TH]

卷:
期数:
2016年01期
页码:
23
栏目:
出版日期:
2016-02-15

文章信息/Info

Title:
Feature extraction of rolling bearing for wind generator based on EEMD and Multivariate Multiscale Entropy
文章编号:
1000-0682（2016）01-0000-00
作者:
韩 龙1;  2; 李成伟1; 王 丽2; 朱显辉2; 苏勋文2
（1. 哈尔滨工业大学 电气工程及自动化学院，哈尔滨 150001；（2. 黑龙江科技大学 电气与控制工程学院，哈尔滨 150022）
Author(s):
HAN Long ;  LI Chengwei;  WANGli;  ZHU xianhui;  SU xunwen
(1.School of Electrical Engineering and Automation, Harbin Institute of Technology, Harbin 150001, China;2.School?of?Electrical?and?Control?Engineering,?Heilongjiang?University?of?Science?and?Technology?,?Harbin?150022,?China )
关键词:
风力发电机组; 滚动轴承; 特征提取; EEMD; 多元多尺度熵
Keywords:
wind turbines; rolling bearing;  feature extraction; EEMD;  multivariate multiscale entropy
分类号:
TP277
DOI:
-
文献标志码:
A
摘要:
为了降低风力发电机组滚动轴承信号的噪声和进行多信道数据处理，提出了一种基于EEMD和多元多尺度熵的特征提取方法。利用EEMD算法对多信道的原始声发射信号进行分解获取无模式混淆的IMF，通过敏感度评估算法选取反应故障特征敏感的IMF进行多元多尺度熵分析，由单因素方差分析选择最优尺度对应的多元样本熵作为各种故障的特征值。通过从实验台采集得到正常，轻微损伤和断裂3种状态的样本数据，与多种特征提取方法相比较和SVM算法分类分析，证明了所选择故障特征量的准确性，同时也验证了所提出的滚动轴承故障特征提取方法的有效性和准确性。
Abstract:
-

参考文献/References:

-

相似文献/References:

[1]寇为刚,谭等泰.基于EEMD和小波包分解在滚动轴承故障信息提取中的分析对比[J].工业仪表与自动化装置,2015,(04):101.
　KOU Weigang,TAN Dengtai.Analysis of extracting the fault information about rolling bearings based on EEMD and WPD[J].Industrial Instrumentation & Automation,2015,(01):101.
[2]张远绪,程换新.基于改进的RBF神经网络的滚动轴承故障诊断[J].工业仪表与自动化装置,2018,(06):31.[doi:1000-0682（2018）06-0000-00]
　ZHANG Yuanxu,CHENG Huanxin.Fault diagnosis of rolling bearing based on improved RBF neural network[J].Industrial Instrumentation & Automation,2018,(01):31.[doi:1000-0682（2018）06-0000-00]
[3]周旭涛,杨泽昀,吴文开.基于多通道并行LSTM-CNN的旋转机械故障诊断[J].工业仪表与自动化装置,2025,(02):92.[doi:10.19950/j.cnki.CN61-1121/TH.2025.02.017]
　ZHUO Xutao,YANG Zeyun,WU Wenkai.Fault diagnosis of rotating machinery based on multi-channel parallel LSTM-CNN[J].Industrial Instrumentation & Automation,2025,(01):92.[doi:10.19950/j.cnki.CN61-1121/TH.2025.02.017]
[4]钟荣锋.石油钻井用滚动轴承早期故障诊断方法研究[J].工业仪表与自动化装置,2026,(02):77.[doi:10.19950/j.cnki.CN61-1121/TH.2026.02.015]
　ZHONG Rongfeng.Research on early fault diagnosis method of rolling bearings foroil drilling[J].Industrial Instrumentation & Automation,2026,(01):77.[doi:10.19950/j.cnki.CN61-1121/TH.2026.02.015]

备注/Memo

备注/Memo:
收稿日期：2015-05-18项目基金：国家自然科学基金项目(51107015)；黑龙江省教育厅科学技术研究项目（12543057） 作者简介：韩龙（1978），男，黑龙江哈尔滨人，博士生，副教授，研究方向为智能仪器，机械信号处理与故障诊断等。
更新日期/Last Update: 1900-01-01