This paper proposes a new method na

This paper proposes a new method named composite multiscale ﬂuctuation dispersion entropy (CMFDE), which measures the complexity of time series under different scale factors and synthesizes the information of multiple coarse-grained sequences. A simulation validates that CMFDE could improve the stability of entropy estimation. Meanwhile, a fault recognition method for rolling bearings based on CMFDE, the minimum redundancy maximum relevancy (mRMR) method, and the k nearest neighbor (kNN) classiﬁer (CMFDE-mRMR-kNN) is developed. For the CMFDE-mRMR-kNN method, the CMFDE method is introduced to extract the fault characteristics of the rolling bearings. Then, the sensitive features are obtained by utilizing the mRMR method. Finally, the kNN classiﬁer is used to recognize the different conditions of the rolling bearings. Theeffectivenessofthe proposedCMFDE-mRMR-kNN methodisveriﬁedbyanalyzingthe standard experimental dataset. The experimental results show that the proposed fault diagnosis method can effectively classify the conditions of rolling bearings.

0/5000

源语言: -

目标语言: -

结果 (简体中文) 1: [复制]

复制成功！

本文提出了一种命名为复合的多尺度方法的新涨落分散熵（CMFDE），其测量的下不同的比例系数的时间序列的复杂性和合成多个粗粒序列的信息。仿真验证了CMFDE可以提高熵估计的稳定性。同时，滚动基于CMFDE，最小冗余最大相关性（MRMR）方法，和最近邻（KNN）k个CLASSI网络ER（CMFDE-MRMR-KNN）轴承的故障识别方法的发展。对于CMFDE-MRMR-KNN方法中，引入了CMFDE方法提取滚动轴承的故障特性。然后，将敏感的特性，通过利用该MRMR方法获得的。最后，k近邻CLASSI网络呃用于识别滚动轴承的不同的条件。Theeffectivenessofthe proposedCMFDE-MRMR-KNN methodisveri网络edbyanalyzingthe标准的实验数据集。实验结果表明，该故障诊断方法能有效地分类，滚动轴承的条件。

正在翻译中..

结果 (简体中文) 2:[复制]

复制成功！

本文提出了一种名为复合多尺度波动分散熵（CMFDE）的新方法，该方法测量不同尺度因子下时间序列的复杂性，并综合了多个粗粒度序列的信息。仿真验证CMFDE能提高熵估计的稳定性。同时，开发了一种基于CMFDE的滚动轴承故障识别方法、最小冗余最大相关性（mRMR）法和k近邻（kNN）分类器（CMFDE-mRMR-kNN）。对于CMFDE-mRMR-kNN方法，引入CMFDE方法提取滚动轴承的故障特性。然后，利用mRMR方法获得敏感特性。最后，使用kNN分类器识别滚动轴承的不同条件。通过分析标准实验数据集，验证了所提出的CMFDE-mRMR-kNN方法的有效性。实验结果表明，该方法的故障诊断方法能有效地对滚动轴承的状况进行分类。

正在翻译中..

结果 (简体中文) 3:[复制]

复制成功！

本文提出了一种新的复合多尺度扩散弥散熵（CMFDE）方法，它测量了不同尺度因子下时间序列的复杂度，并综合了多个粗粒度序列的信息。仿真结果验证了CMFDE算法能够提高熵估计的稳定性。同时，基于CMFDE、最小冗余最大相关度（MRMR）方法和K近邻（KNN）分类算法（CMFDE MRMR KNN），开发了滚动轴承故障识别方法。在CMFDE-mRMR-kNN方法中，引入CMFDE方法提取滚动轴承的故障特征。然后，利用mRMR方法得到敏感特征。最后，用kNN分类法识别滚动轴承的不同状态。通过对标准实验数据集的分析，验证了所提出的cmfde-mr-kNN方法的有效性。实验结果表明，提出的故障诊断方法能有效地对滚动轴承的状态进行分类。

正在翻译中..

其它语言

本翻译工具支持: 世界语, 丹麦语, 乌克兰语, 乌兹别克语, 乌尔都语, 亚美尼亚语, 伊博语, 俄语, 保加利亚语, 信德语, 修纳语, 僧伽罗语, 克林贡语, 克罗地亚语, 冰岛语, 加利西亚语, 加泰罗尼亚语, 匈牙利语, 南非祖鲁语, 南非科萨语, 卡纳达语, 卢旺达语, 卢森堡语, 印地语, 印尼巽他语, 印尼爪哇语, 印尼语, 古吉拉特语, 吉尔吉斯语, 哈萨克语, 土库曼语, 土耳其语, 塔吉克语, 塞尔维亚语, 塞索托语, 夏威夷语, 奥利亚语, 威尔士语, 孟加拉语, 宿务语, 尼泊尔语, 巴斯克语, 布尔语(南非荷兰语), 希伯来语, 希腊语, 库尔德语, 弗里西语, 德语, 意大利语, 意第绪语, 拉丁语, 拉脱维亚语, 挪威语, 捷克语, 斯洛伐克语, 斯洛文尼亚语, 斯瓦希里语, 旁遮普语, 日语, 普什图语, 格鲁吉亚语, 毛利语, 法语, 波兰语, 波斯尼亚语, 波斯语, 泰卢固语, 泰米尔语, 泰语, 海地克里奥尔语, 爱尔兰语, 爱沙尼亚语, 瑞典语, 白俄罗斯语, 科西嘉语, 立陶宛语, 简体中文, 索马里语, 繁体中文, 约鲁巴语, 维吾尔语, 缅甸语, 罗马尼亚语, 老挝语, 自动识别, 芬兰语, 苏格兰盖尔语, 苗语, 英语, 荷兰语, 菲律宾语, 萨摩亚语, 葡萄牙语, 蒙古语, 西班牙语, 豪萨语, 越南语, 阿塞拜疆语, 阿姆哈拉语, 阿尔巴尼亚语, 阿拉伯语, 鞑靼语, 韩语, 马其顿语, 马尔加什语, 马拉地语, 马拉雅拉姆语, 马来语, 马耳他语, 高棉语, 齐切瓦语, 等语言的翻译.