%0 Journal Article
%A 王振亚
%A 姚立纲
%A 蔡永武
%A 张俊
%T 基于熵-流特征和樽海鞘群优化支持向量机的故障诊断方法
%D 2021
%R 
%J 振动与冲击
%P 107-114
%V 40
%N 6
%X <div style="line-height: 150%">针对旋转机械设备故障特征提取困难的问题，提出一种熵-流特征和樽海鞘群优化支持向量机（salp swarm optimization support vector machine，SSO-SVM）的故障诊断方法。利用改进多尺度加权排列熵（improved multiscale weighted permutation entropy，IMWPE）提取机械设备不同工况下的故障特征；采用监督等度规映射（S-Isomap）流形学习进行降维处理，获取低维的熵-流特征集；将熵-流特征输入至SSO-SVM多故障分类器进行识别与诊断。行星齿轮箱故障诊断实验分析结果表明：IMWPE+S-Isomap熵-流特征提取方法优于现有的多尺度排列熵（multiscale permutation entropy，MPE）、多尺度加权排列熵（multiscale weighted permutation entropy，MWPE）和IMWPE等熵值特征提取方法以及IMWPE+等度规映射（Isomap）和IMWPE+线性局部切空间排列（linear local tangent space alignment，LLTSA）等熵-流特征提取方法；樽海鞘群算法对支持向量机参数寻优效果优于粒子群、灰狼群、人工蜂群和蝙蝠群等算法；所提故障诊断方法识别精度达到100%，能够有效诊断出行星齿轮箱各工况类型。</div>
%U https://jvs.sjtu.edu.cn/CN/abstract/article_10296.shtml