Abstract: C. Ding, H. Zhu, G. D. Sun, Y. Jiang, C. L. Wei (2018)

Wear experiments are performed to explore dynamic states changes of friction noise signals. A new characteristic parameter, moving cut data-approximate entropy (MC-ApEn), is adopted to quantitatively recognize dynamic states. Additionally, determinism (DET), one key parameter of recurrence quantification analysis, is applied to verify the reliability of recognition results of MC-ApEn. Results illustrate that MC-ApEn of friction noise has distinct changes in different wear processes, and it can accurately detect abrupt change points of dynamic states for friction noise. Furthermore, DET of friction noise rapidly declines first, then fluctuates around a small value, and finally increases sharply, which just corresponds to the evolution process of MC-ApEn. So, the reliability of wear state recognition on the basis of MC-ApEn can be confirmed. It makes it possible to accurately and reliably recognize wear states of friction pairs based on MC-ApEn.

Please note: The abstracts of the bibliography database may underly other copyrights.

Ihr Browser versucht gerade eine Seite aus dem sogenannten Internet auszudrucken. Das Internet ist ein weltweites Netzwerk von Computern, das den Menschen ganz neue Möglichkeiten der Kommunikation bietet.

Da Politiker im Regelfall von neuen Dingen nichts verstehen, halten wir es für notwendig, sie davor zu schützen. Dies ist im beidseitigen Interesse, da unnötige Angstzustände bei Ihnen verhindert werden, ebenso wie es uns vor profilierungs- und machtsüchtigen Politikern schützt.

Sollten Sie der Meinung sein, dass Sie diese Internetseite dennoch sehen sollten, so können Sie jederzeit durch normalen Gebrauch eines Internetbrowsers darauf zugreifen. Dazu sind aber minimale Computerkenntnisse erforderlich. Sollten Sie diese nicht haben, vergessen Sie einfach dieses Internet und lassen uns in Ruhe.

Die Umgehung dieser Ausdrucksperre ist nach §95a UrhG verboten.

Mehr Informationen unter www.politiker-stopp.de.

Dynamic States Recognition of Friction Noise in the Wear Process Based on Moving Cut Data-Approximate Entropy