【作者】

宋佳秋; 柯赟; 姚崇; 宋恩哲; 徐彦农

【单位】

哈尔滨工程大学

【摘要】

多尺度加权排列熵（Multi-scale Weighting Permutation Entropy，MWPE）在处理非平稳非线性信号具有高抗噪的优点，但MWPE计算过程中由于粗粒化过程较粗糙，易丢失特征信息导致故障诊断精度不高。针对上述问题，在MWPE的基础上，提出一种方差粗粒化形式的复合多尺度加权排列熵（Composite Multi-scale Weighted Per-mutation Entropy，CMWPE）特征提取方法，增强对故障冲击和动力学突变信号的敏感度，从而更全面准确地提取共轨喷油器故障的特征信息。然后，提出了一种基于方差粗粒化形式CMWPE和BP神经网络（Back Propagation Neural Network，BPNN）的共轨喷油器故障诊断方法，通过实验结果表明，与其他方法相比，该方法能有效提取故障特征信息，具有更高的故障诊断精度和更强的鲁棒性。

【关键词】

复合多尺度加权排列熵;方差粗粒化;特征提取;共轨喷油器故障诊断

【论文集名称】

航空动力

【会议名称】

交通能源与智能动力大会

【会议时间】

2022-11-24至2022-11-29

【会议地点】

上海

【下载次数】

2

返回