期刊导航
期刊开放获取
唐山市科学技术情报研究..
退出
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
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
检索
高级检索
期刊导航
共找到
3
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：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于VMD-MMPE的轧机轴承滚动体与保持架故障诊断
被引量：
5
1
作者
计江
赵琛
王勇勤
《振动．测试与诊断》
EI
CSCD
北大核心
2023年第2期290-297,409,共9页
针对板带轧机轴承工作环境恶劣、保持架与滚动体极易损坏、信号噪声大、识别困难以及实际工况对诊断速度要求高等问题,首先,提出粒子群优化变分模态分解(particle swarm optimization-variational mode decomposition,简称PSO-VMD)和多...
针对板带轧机轴承工作环境恶劣、保持架与滚动体极易损坏、信号噪声大、识别困难以及实际工况对诊断速度要求高等问题,首先,提出粒子群优化变分模态分解(particle swarm optimization-variational mode decomposition,简称PSO-VMD)和多元多尺度排列熵(multivariate multiscale permutation entropy,简称MMPE)的故障诊断方法,并结合粒子群优化支持向量机(particle swarm optimization-support vector machine,简称PSO-SVM)实现故障分类;其次,轴承振动信号经VMD处理为若干模态分量(intrinsic mode functions,简称IMF),选最优分量进行包络分析;然后,针对轧机轴承垂直水平轴向振动差别较大且受较大径向力与轴向力的特点,采用MMPE并考虑3维振动信号的4个分量的MMPE值与时域指标组成特征向量;最后,基于PSO-SVM模型对方法的有效性进行验证。计算和实验结果与集合经验模态分解(ensemble empirical mode decomposition,简称EEMD)与局部均值分解(local mean decomposition,简称LMD)方法对比表明,VMD-MMPE可以优化模型的输入,提高模型的诊断正确率和速度,实现轴承保持架与滚动体不同部位和不同损伤程度的故障诊断,具有重要的工程意义。
展开更多
关键词
轧机轴承
变分模态分解
包络谱
多元多尺度排列熵
粒子群优化支持向量机
故障诊断
在线阅读
下载PDF
职称材料
ALIF-MMPE结合DAG-SVM的滚动轴承故障诊断
被引量：
8
2
作者
韩美东
张金豹
赵永强
《机械科学与技术》
CSCD
北大核心
2020年第9期1358-1365,共8页
针对滚动轴承故障诊断中非平稳振动信号下的有效故障特征提取问题,提出一种基于自适应局部迭代滤波、多元多尺度排列熵和有向无环图算法支持向量机的滚动轴承故障诊断方法。自适应局部迭代滤波通过构建自适应滤波函数,能够有效抑制噪声...
针对滚动轴承故障诊断中非平稳振动信号下的有效故障特征提取问题,提出一种基于自适应局部迭代滤波、多元多尺度排列熵和有向无环图算法支持向量机的滚动轴承故障诊断方法。自适应局部迭代滤波通过构建自适应滤波函数,能够有效抑制噪声和模态混叠,经自适应分解后得到若干本征模态函数。仿真结果表明其效果优于经验模态分解。然后利用多元多尺度排列熵对包含显著故障信息的本征模态函数进行信息融合和特征提取,组成故障状态特征集。采用主成分分析对故障状态特征集进行降维,随机抽取部分样本带入有向无环图算法支持向量机中进行训练,其它则作为测试样本进行故障识别和诊断。试验故障诊断结果表明:自适应局部迭代滤波下多元多尺度排列熵优于多个本征模态函数下的多尺度排列熵和经验模态分解下的多元多尺度排列熵;本文方法能准确地识别滚动轴承不同的故障类型及故障程度。
展开更多
关键词
轴承故障诊断
自适应局部迭代滤波
多元多尺度排列熵
有向无环图算法支持向量机
在线阅读
下载PDF
职称材料
基于改进多元多尺度加权排列熵的齿轮箱故障诊断
被引量：
3
3
作者
赵家浩
廖晓娟
唐锡雷
《组合机床与自动化加工技术》
北大核心
2022年第12期48-52,共5页
齿轮箱振动存在多个传递路径,而典型齿轮箱故障诊断方法一般使用单个路径的单通道振动信号,易造成其它通道信息的遗漏。为充分利用不同路径振动信号故障信息,增强故障特征的质量,引入了多元多尺度加权排列熵,对其粗粒化方式进行了完善,...
齿轮箱振动存在多个传递路径,而典型齿轮箱故障诊断方法一般使用单个路径的单通道振动信号,易造成其它通道信息的遗漏。为充分利用不同路径振动信号故障信息,增强故障特征的质量,引入了多元多尺度加权排列熵,对其粗粒化方式进行了完善,提出了改进多元多尺度加权排列熵(IMMWPE),实现齿轮箱多通道振动信号的故障特征提取。基于此,提出了一种结合IMMWPE、成对邻近特征和粒子群优化支持向量机的齿轮箱故障诊断方法。通过齿轮箱多通道数据分析,将其与多元多尺度样本熵、多元多尺度排列熵和多元多尺度模糊熵等方法进行对比,结果证明该方法能够准确识别齿轮箱的各类故障,而且优于对比方法。
展开更多
关键词
齿轮箱
改进多元多尺度加权排列熵
成对邻近特征
故障诊断
在线阅读
下载PDF
职称材料
题名
基于VMD-MMPE的轧机轴承滚动体与保持架故障诊断
被引量：
5
1
作者
计江
赵琛
王勇勤
机构
重庆大学机械与运载工程学院
中国重型机械研究院股份公司
燕山大学国家冷轧板带装备及工艺工程技术研究中心
出处
《振动．测试与诊断》
EI
CSCD
北大核心
2023年第2期290-297,409,共9页
基金
国机集团重大科技专项基金资助项目(SINOMAST-ZDZX-2018-06)。
文摘
针对板带轧机轴承工作环境恶劣、保持架与滚动体极易损坏、信号噪声大、识别困难以及实际工况对诊断速度要求高等问题,首先,提出粒子群优化变分模态分解(particle swarm optimization-variational mode decomposition,简称PSO-VMD)和多元多尺度排列熵(multivariate multiscale permutation entropy,简称MMPE)的故障诊断方法,并结合粒子群优化支持向量机(particle swarm optimization-support vector machine,简称PSO-SVM)实现故障分类;其次,轴承振动信号经VMD处理为若干模态分量(intrinsic mode functions,简称IMF),选最优分量进行包络分析;然后,针对轧机轴承垂直水平轴向振动差别较大且受较大径向力与轴向力的特点,采用MMPE并考虑3维振动信号的4个分量的MMPE值与时域指标组成特征向量;最后,基于PSO-SVM模型对方法的有效性进行验证。计算和实验结果与集合经验模态分解(ensemble empirical mode decomposition,简称EEMD)与局部均值分解(local mean decomposition,简称LMD)方法对比表明,VMD-MMPE可以优化模型的输入,提高模型的诊断正确率和速度,实现轴承保持架与滚动体不同部位和不同损伤程度的故障诊断,具有重要的工程意义。
关键词
轧机轴承
变分模态分解
包络谱
多元多尺度排列熵
粒子群优化支持向量机
故障诊断
Keywords
rolling mill bear
variational mode decomposition(VMD)
envelope spectrum
multivariate
multiscale
permutation
entropy
(
mmpe
)
particle swarm optimization-support vector machine(PSO-SVM)
fault diagnosis method
分类号
TH133.33 [机械工程—机械制造及自动化]
TG333.17 [金属学及工艺—金属压力加工]
在线阅读
下载PDF
职称材料
题名
ALIF-MMPE结合DAG-SVM的滚动轴承故障诊断
被引量：
8
2
作者
韩美东
张金豹
赵永强
机构
南昌航空大学飞行器工程学院
哈尔滨工业大学机电工程学院
出处
《机械科学与技术》
CSCD
北大核心
2020年第9期1358-1365,共8页
基金
国家自然科学基金项目(51505100)资助。
文摘
针对滚动轴承故障诊断中非平稳振动信号下的有效故障特征提取问题,提出一种基于自适应局部迭代滤波、多元多尺度排列熵和有向无环图算法支持向量机的滚动轴承故障诊断方法。自适应局部迭代滤波通过构建自适应滤波函数,能够有效抑制噪声和模态混叠,经自适应分解后得到若干本征模态函数。仿真结果表明其效果优于经验模态分解。然后利用多元多尺度排列熵对包含显著故障信息的本征模态函数进行信息融合和特征提取,组成故障状态特征集。采用主成分分析对故障状态特征集进行降维,随机抽取部分样本带入有向无环图算法支持向量机中进行训练,其它则作为测试样本进行故障识别和诊断。试验故障诊断结果表明:自适应局部迭代滤波下多元多尺度排列熵优于多个本征模态函数下的多尺度排列熵和经验模态分解下的多元多尺度排列熵;本文方法能准确地识别滚动轴承不同的故障类型及故障程度。
关键词
轴承故障诊断
自适应局部迭代滤波
多元多尺度排列熵
有向无环图算法支持向量机
Keywords
bearing fault diagnosis
adaptive local iterative filtering
multivariate
multiscale
permutation
entropy
directed acyclic graph support vector machine
分类号
TP277 [自动化与计算机技术—检测技术与自动化装置]
在线阅读
下载PDF
职称材料
题名
基于改进多元多尺度加权排列熵的齿轮箱故障诊断
被引量：
3
3
作者
赵家浩
廖晓娟
唐锡雷
机构
山东大学微电子学院
山东旅游职业学院工商管理系
重庆科创职业学院人工智能学院
出处
《组合机床与自动化加工技术》
北大核心
2022年第12期48-52,共5页
文摘
齿轮箱振动存在多个传递路径,而典型齿轮箱故障诊断方法一般使用单个路径的单通道振动信号,易造成其它通道信息的遗漏。为充分利用不同路径振动信号故障信息,增强故障特征的质量,引入了多元多尺度加权排列熵,对其粗粒化方式进行了完善,提出了改进多元多尺度加权排列熵(IMMWPE),实现齿轮箱多通道振动信号的故障特征提取。基于此,提出了一种结合IMMWPE、成对邻近特征和粒子群优化支持向量机的齿轮箱故障诊断方法。通过齿轮箱多通道数据分析,将其与多元多尺度样本熵、多元多尺度排列熵和多元多尺度模糊熵等方法进行对比,结果证明该方法能够准确识别齿轮箱的各类故障,而且优于对比方法。
关键词
齿轮箱
改进多元多尺度加权排列熵
成对邻近特征
故障诊断
Keywords
gearbox
improved
multivariate
multiscale
weighted
permutation
entropy
pair-wise feature proximity
fault diagnosis
分类号
TH165 [机械工程—机械制造及自动化]
TG659 [金属学及工艺—金属切削加工及机床]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于VMD-MMPE的轧机轴承滚动体与保持架故障诊断
计江
赵琛
王勇勤
《振动．测试与诊断》
EI
CSCD
北大核心
2023
5
在线阅读
下载PDF
职称材料
2
ALIF-MMPE结合DAG-SVM的滚动轴承故障诊断
韩美东
张金豹
赵永强
《机械科学与技术》
CSCD
北大核心
2020
8
在线阅读
下载PDF
职称材料
3
基于改进多元多尺度加权排列熵的齿轮箱故障诊断
赵家浩
廖晓娟
唐锡雷
《组合机床与自动化加工技术》
北大核心
2022
3
在线阅读
下载PDF
职称材料
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
确定
用户登录
登录
IP登录
使用帮助
返回顶部
