一种多尺度极差熵结合ISOMAP的轴承故障诊断方法

廖紫洋; 陈勇旗; 章涛

doi:10.13433/j.cnki.1003-8728.20230281

Chinese

您当前的位置：

首页 >

文章列表页 >

一种多尺度极差熵结合ISOMAP的轴承故障诊断方法

更新时间：2026-04-23

- 一种多尺度极差熵结合ISOMAP的轴承故障诊断方法
- A Bearing Fault Diagnosis Method Combined Multi-scale Range Entropy with ISOMAP
- 机械科学与技术 2025年44卷第8期页码：1351-1358
- 作者机构：
  
  宁波大学机构科学技术学院,浙江,宁波,315211
- 作者简介：
  
  [ "廖紫洋，硕士研究生，" ]
  [ "陈勇旗，教授，硕士生导师，" ]
- 基金信息：
  
  国家自然科学基金项目（61175054）与浙江省自然科学基金项目(LY16E050001)
- DOI：10.13433/j.cnki.1003-8728.20230281
  中图分类号：
- 纸质出版：2025
- 稿件说明：
移动端阅览
廖紫洋, 陈勇旗, 章涛. 一种多尺度极差熵结合ISOMAP的轴承故障诊断方法[J]. 机械科学与技术, 2025,44(8):1351-1358.

廖紫洋, 陈勇旗, 章涛. A Bearing Fault Diagnosis Method Combined Multi-scale Range Entropy with ISOMAP[J]. Mechanical Science and Technology for Aerospace Engineering, 2025, 44(8): 1351-1358.
廖紫洋, 陈勇旗, 章涛. 一种多尺度极差熵结合ISOMAP的轴承故障诊断方法[J]. 机械科学与技术, 2025,44(8):1351-1358. DOI： 10.13433/j.cnki.1003-8728.20230281.

廖紫洋, 陈勇旗, 章涛. A Bearing Fault Diagnosis Method Combined Multi-scale Range Entropy with ISOMAP[J]. Mechanical Science and Technology for Aerospace Engineering, 2025, 44(8): 1351-1358. DOI： 10.13433/j.cnki.1003-8728.20230281.

摘要

针对滚动轴承故障信号难以提取，故障特征信号复杂、冗余信息多的问题，提出了多尺度极差熵（MRE）结合等距特征映射（ISOMAP）进行特征降维的优化方法。利用变分模态分解（VMD）将振动信号分解，得到指定数量的固有模态分量；采用MRE进行特征提取，建立特征样本集；用ISOMAP将特征样本进行降维处理后进行故障分类。实验结果表明

本方法能够有效提取出滚动轴承故障特征信号，从而提高了滚动轴承故障诊断的准确性。

Abstract

Aiming at the problems of difficult extraction of rolling bearing fault signals

complex fault feature signals

and redundant information

this paper proposed an optimization method of multi-scale range entropy (MRE) combined with isometric feature mapping (ISOMAP) for feature dimensionality reduction. Firstly

the vibration signal of rolling bearing faults is decomposed by using the variational mode decomposition (VMD) to obtain the specified number of intrinsic mode components; Secondly

MRE is used for feature extraction and feature sample set is established; Finally

ISOMAP is used to reduce the dimension of feature samples for fault classification.The experimental results show that this method can effectively extract feature signals of rolling bearing faults

thereby improving the accuracy of rolling bearing fault diagnosis.

关键词

Keywords

references

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

小样本下一阶元学习在滚动轴承故障诊断中的应用

一种北方苍鹰参数优化的VMD-MRE轴承故障诊断方法

增强MOMEDA算法及在滚动轴承微弱故障诊断中的应用研究

融合知识图谱和XGBoost的车辆故障诊断研究

数字孪生与神经网络融合驱动的烧成系统故障预警研究