期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到8篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于SDP和MCNN-LSTM的齿轮箱故障诊断方法 被引量：1
1
作者 吴胜利 周燚 邢文婷 《振动与冲击》 EI CSCD 北大核心 2024年第15期126-132,178,共8页
齿轮箱在长期使用过程中,不可避免地会产生齿轮故障和轴承故障,严重影响传动精度和设备运行安全。基于此,针对齿轮箱常见故障类型,研究多通道对称点图案(symmetrized dot pattern, SDP)数据处理方法,并利用最小能量误差法实现SDP关键参... 齿轮箱在长期使用过程中,不可避免地会产生齿轮故障和轴承故障,严重影响传动精度和设备运行安全。基于此,针对齿轮箱常见故障类型,研究多通道对称点图案(symmetrized dot pattern, SDP)数据处理方法,并利用最小能量误差法实现SDP关键参数的选取。结合多尺度卷积神经网络(multi-scale convolutional neural network, MCNN)的空间处理优势、长短时记忆网络(long short term memory, LSTM)的时间处理优势及其良好的抗噪性和鲁棒性,提出了一种基于SDP和MCNN-LSTM的齿轮箱故障诊断模型。同时利用东南大学齿轮箱数据集,验证了基于SDP和MCNN-LSTM的齿轮箱故障诊断方法对齿轮和轴承常见故障类型特征提取的有效性,并与现有其他故障诊断方法进行对比,结果表明了所提方法具有更高的精度。 展开更多
关键词 齿轮箱故障诊断 对称点图案(sdp) 最小能量误差 多尺度卷积神经网络(MCNN) 长短时记忆网络(LSTM)
在线阅读 下载PDF
基于SDP信息融合的用电特征分析及负荷识别方法研究 被引量：1
2
作者 李乐 刘智源 +4 位作者 王学军 董云飞 张雅纯 李羽轩 朱霄珣 《电网与清洁能源》 CSCD 北大核心 2024年第8期56-63,73,共9页
针对多标签负荷识别信息缺失的问题,提出了基于对称点图案分解法(symmetrized dot pattern,SDP)信息融合的用电负荷特征分析及智能识别方法。针对模态混叠和残余辅助噪声问题,使用互补集合经验模态分解(complementary ensemble mode dec... 针对多标签负荷识别信息缺失的问题,提出了基于对称点图案分解法(symmetrized dot pattern,SDP)信息融合的用电负荷特征分析及智能识别方法。针对模态混叠和残余辅助噪声问题,使用互补集合经验模态分解(complementary ensemble mode decomposition,CEEMD)分解提取电流的周期信号,提高了信号分解的鲁棒性并减小了重构误差;针对特征提取的信息缺失问题提出了基于SDP的负荷融合特性分析方法,提高了特征信息的完备性。在此基础上,提出SDP-YOLOv5的负荷识别方法,建立了SDP-YOLOv5的负荷智能识别模型。通过实验研究显示,该方法的负荷识别精度达到了98%,保证了非侵入式负荷监测水平。 展开更多
关键词 负荷识别 对称点图案分解法 互补集合经验模态分解 YOLOv5 融合特征
在线阅读 下载PDF
图案设计中的轴对称
3
作者 李冰 《中学生数理化（七年级数学）（北师大版）》 2008年第5期68-72,120,共5页
　　问题与情境 　　图1给出了一个图案的一半,其中的虚线是这个图案的对称轴. 　　(1)你能猜出整个图案的形状吗?……
关键词 轴对称图形 对称点 对称轴 图案设计
在线阅读 下载PDF
基于MEEMD-SDP图像特征和DRN的行星齿轮箱故障诊断 被引量：6
4
作者 陈友广 陈云 谢鲲鹏 《机电工程》 CAS 北大核心 2022年第5期662-667,共6页
在行星齿轮箱齿轮的实际工程应用中,针对故障发生的早期阶段,其非平稳性、非线性振动特征信号导致故障诊断准确率低的问题,提出了一种基于MEEMD-SDP图像特征和深度残差网络的齿轮故障诊断方法。首先,采用了改进的集总平均经验模态分解(M... 在行星齿轮箱齿轮的实际工程应用中,针对故障发生的早期阶段,其非平稳性、非线性振动特征信号导致故障诊断准确率低的问题,提出了一种基于MEEMD-SDP图像特征和深度残差网络的齿轮故障诊断方法。首先,采用了改进的集总平均经验模态分解(MEEMD)方法对齿轮振动信号进行了分解,获得了能够反映齿轮振动信号信息的固有模态函数(IMF);然后,通过对称点图案(SDP)分解方法提取了IMF分量,将其变换到极坐标下的雪花图像特征,并组成了特征向量;最后,引入深度残差网络(DRN)模型,实现了对行星齿轮箱齿轮不同故障的识别与分类,同时将其与卷积神经网络(CNN)模型进行了对比,并在东南大学公开的齿轮箱数据集上进行了不同模型对齿轮状态故障识别准确率的对比实验。研究结果表明:SDP图像特征能够全面表征齿轮的状态信息,相较于CNN模型,采用DRN模型对齿轮进行诊断得到的平均准确率有明显提高,可达到98.1%,能验证基于MEEMD-SDP图像特征和深度残差网络方法的有效性;研究结果对提升现有行星齿轮箱齿轮故障识别的准确率具有一定的价值。 展开更多
关键词 齿轮传动 固有模态函数 改进的集总平均经验模态分解 对称点图案 图像特征 深度残差网络
在线阅读 下载PDF
基于参数优化SDP分析的转子故障诊断方法 被引量：5
5
作者 万周 何俊增 +2 位作者 姜东 李坚 张大海 《振动与冲击》 EI CSCD 北大核心 2023年第1期81-88,共8页
针对存在多种故障类型不同故障严重程度的转子故障诊断问题,提出了一种基于参数优化对称点模式(symmetrized dot pattern,SDP)分析的智能诊断方法。首先,利用SDP分析提取多个传感器信号的故障特征并将其融合为SDP图像;然后,以基于欧氏... 针对存在多种故障类型不同故障严重程度的转子故障诊断问题,提出了一种基于参数优化对称点模式(symmetrized dot pattern,SDP)分析的智能诊断方法。首先,利用SDP分析提取多个传感器信号的故障特征并将其融合为SDP图像;然后,以基于欧氏距离定义的图像区分度函数为适应度函数,基于天牛须搜索(beetle antennae search,BAS)算法获得SDP分析中角域增益因子与时间延滞系数的最佳取值;最后,利用SDP图像训练卷积神经网络(convolutional neural network,CNN)获得转子故障诊断模型。试验研究表明,该方法相较于其他故障诊断方法具有更高的诊断精度,且在强噪声环境下的诊断表现良好。基于BAS算法优化后的SDP分析放大了不同类型不同严重程度转子故障的表征差异,提高了故障诊断精度。 展开更多
关键词 转子 对称点模式(sdp) 天牛须搜索(BAS)算法 卷积神经网络(CNN) 故障诊断
在线阅读 下载PDF
融合SDP和CNN的旋转机械齿轮箱故障诊断方法 被引量：5
6
作者 张能文 崔飞 +1 位作者 江冰 何晓琳 《工业控制计算机》 2021年第9期89-91,共3页
针对旋转机械齿轮箱的齿轮与轴承故障,提出一种融合对称点图案SDP(Symmetrized Dot Pattern,SDP)和卷积神经网络CNN(Convolutional Neural Network)的故障诊断方法。首先,以模拟实验台MCDS获取大量故障实验数据,经过预处理产生的一维振... 针对旋转机械齿轮箱的齿轮与轴承故障,提出一种融合对称点图案SDP(Symmetrized Dot Pattern,SDP)和卷积神经网络CNN(Convolutional Neural Network)的故障诊断方法。首先,以模拟实验台MCDS获取大量故障实验数据,经过预处理产生的一维振动信号再经SDP转化为特征信息丰富的二维雪花图像;然后将SDP图像输入至CNN自动提取特征,再用分类器识别故障特征。实验证明,该方法能够有效和准确地识别齿轮箱的故障,各类故障的识别正确率在96%以上。 展开更多
关键词 故障诊断 对称点图案 卷积神经网络 旋转机械齿轮箱
在线阅读 下载PDF
基于视觉图像特征的两阶段电动机智能故障诊断
7
作者 徐东 彭鑫 张晓飞 《机械强度》 CAS CSCD 北大核心 2024年第6期1295-1301,共7页
针对近年来故障诊断领域在效率、可靠性方面的新挑战,提出了一种基于对称点图案(Symmetrized Dot Pattern,SDP)的感应电动机粗-细分类故障诊断方法。该方法首先通过SDP方法将各故障电动机的振动信号转换为雪花状图像,然后设计了一种粗-... 针对近年来故障诊断领域在效率、可靠性方面的新挑战,提出了一种基于对称点图案(Symmetrized Dot Pattern,SDP)的感应电动机粗-细分类故障诊断方法。该方法首先通过SDP方法将各故障电动机的振动信号转换为雪花状图像,然后设计了一种粗-细分类的两阶段故障诊断框架用于图像特征的提取与分类。在粗分类阶段,采用了速度快的颜色直方图特征和支持向量机(Support Vector Machine,SVM)对样本进行诊断,并选取了一个阈值用于确定粗分类的样本;在细分类阶段,采用了可提取图像全局信息的全局特征(Gist特征)和SVM对剩余样本进行诊断。试验结果表明,所提方法综合了颜色直方图特征和Gist特征的优势,能够以相对较高的效率实现可靠的诊断,并具备一定的抗噪能力。 展开更多
关键词 对称点图案 视觉特征 支持向量机 两阶段故障诊断
在线阅读 下载PDF
AGV驱动电机故障预测与健康管理模型研究与应用
8
作者 黄和富 俞沛齐 +2 位作者 陈锐 王志德 时吕 《电机与控制应用》 2025年第3期284-293,共10页
【目的】为评估自动引导车(AGV)驱动电机的健康状态、预测故障概率,改进AGV的保养维护和工作策略,本文结合AGV驱动电机的历史状态数据和预定义的工作负荷,提出了一种AGV驱动电机的故障预测与健康管理(PHM)模型。【方法】首先,采集AGV驱... 【目的】为评估自动引导车(AGV)驱动电机的健康状态、预测故障概率,改进AGV的保养维护和工作策略,本文结合AGV驱动电机的历史状态数据和预定义的工作负荷,提出了一种AGV驱动电机的故障预测与健康管理(PHM)模型。【方法】首先,采集AGV驱动电机的负载电流、振动信号以及温度数据,并对采集的数据进行去噪和归一化处理,以提高模型的收敛速度和泛化能力。然后,采用自回归模型和卷积神经网络模型对AGV驱动电机的负载电流、振动信号及温度数据的变化趋势进行预测,并将采集的数据和预测的数据转化为对称点图案(SDP)。最后,基于YOLOv11网络对生成的SDP进行分类,从而确定AGV驱动电机的健康等级。根据电机温升将健康等级分为不健康、亚健康和健康三类,基于电机的负载电流、振动信号采用本文所提模型检测驱动电机健康状态并估计驱动电机属于某类健康等级的概率,基于健康状态的测定可以得到AGV驱动电机的故障概率。【结果】对本文模型在验证集和测试集上进行验证测试以评估模型性能。结果表明AGV驱动电机的3类健康状态的平均诊断准确率为99.7%,其中健康和不健康两类的诊断准确率达到了100%。为进一步验证本文模型的优越性,与其他两种模型进行对比,结果表明本文模型的诊断准确度高于其他模型,具有较高的可信度。【结论】本文提出的PHM模型对故障概率预测和健康状态评估的准确度较高,将AGV工作负荷信息整合到PHM模型中,可为AGV的工作任务制定和保养维护提供数据参考。 展开更多
关键词 自动引导车驱动电机 故障预测与健康管理 卷积神经网络 自回归模型 对称点图案
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部