Amplitude-based multiscale reverse dispersion entropy: a novel approach to bearing fault diagnosis
Notice bibliographique
Résumé
The multiscale fluctuation dispersion entropy algorithm (MFDE) is widely used to extract the characteristics from a variety of complex nonlinear signals, including bearing signals, due to its excellent performance to quantify the uncertainties of complex nonlinear systems. However, limited by the classification number and coarse-graining process, the periodic impulses generated by the defect point cannot be effectively detected by MFDE, restraining the characterization abilities of entropy features and resulting in undesirable diagnosis results for bearing faults. To overcome the disadvantages of MFDE, an amplitude-based multiscale dispersion entropy (AMDE) is proposed in this paper. The AMDE utilizes the phase scale factor to calculate multiple groups of amplitude difference series that contain different amplitude information. As such, the amplitude compression caused by the large-scale factor in traditional coarse-graining process is avoided, and the calculated entropy features not only characterize the irregularity of the whole signal but also reflect the changes of the impulse components. Afterwards, the perception range and the sensibility of AMDE are expanded and enhanced for amplitude variation, and the coarse-graining process and Gaussian reference are used to obtain multi-dimensional reversed entropy features. Combining those steps, the amplitude-based multiscale reverse dispersion entropy (AMRDE) algorithm is proposed. Finally, the capability of the proposed algorithm to track the amplitude variation and fluctuation is successfully demonstrated by analyzing noisy signals and amplitude-modulated signal. Meanwhile, the features extracted from bearing signals demonstrated that it is effective to use AMRDE to represent the health conditions of rolling bearing. Therefore, the entropy metric calculated by AMRDE can be the useful indicator in the fields of mechanical equipment fault diagnosis, structural health monitoring, and so on.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».