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5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GWO-LMS-RSSD的旋转机械耦合故障分离及特征强化方法
1
作者 许文 施卫华 +3 位作者 李红钢 华如南 刘厚林 董亮 《机电工程》 北大核心 2025年第4期677-685,共9页
针对旋转机械耦合故障中较弱故障易被较强故障淹没及噪声干扰严重的问题,提出了基于灰狼优化算法(GWO)的自适应滤波最小均方(LMS)算法,结合共振稀疏分解(RSSD)的耦合故障特征分离及强化方法。首先,采用自适应滤波LMS算法对耦合故障信号... 针对旋转机械耦合故障中较弱故障易被较强故障淹没及噪声干扰严重的问题,提出了基于灰狼优化算法(GWO)的自适应滤波最小均方(LMS)算法,结合共振稀疏分解(RSSD)的耦合故障特征分离及强化方法。首先,采用自适应滤波LMS算法对耦合故障信号进行了滤波处理,使故障特征得到了初步强化;然后,根据耦合故障的不同共振属性,利用RSSD算法将故障耦合分解为高共振分量和低共振分量,完成了耦合故障分离;特别地,针对LMS算法中参数依赖人工经验、自适应差等问题,研究了基于灰狼优化算法(GWO)的参数自适应优化方法,设计了以信噪比和均方误差构成的优化目标;最后,对稀疏分解得到的信号进行了包络解调,完成了耦合故障分离及特征强化,同时,利用模拟信号和实验信号对该方法进行了验证分析。研究结果表明:GWO-LMS-RSSD算法能用于有效降低噪声干扰,分离旋转机械耦合故障及强化故障特征。该研究成果可为强噪声干扰下耦合故障的特征分离及强化提供一种新的思路。 展开更多
关键词 耦合故障诊断 旋转机械 共振稀疏分解 自适应滤波最小均方算法 灰狼优化算法 信噪比 均方误差
在线阅读 下载PDF
MCKD和RSSD在滚动轴承早期故障诊断中的应用 被引量：2
2
作者 杨斌 张家玮 +2 位作者 樊改荣 王建国 张超 《噪声与振动控制》 CSCD 2018年第2期154-161,共8页
由于干扰噪声较强,共振稀疏分解在滚动轴承早期故障阶段并不能有效提取瞬态冲击成分。针对此问题提出基于最大相关峭度解卷积(Maxim Correlated Kurtosis Deconvolution,MCKD)和共振稀疏分解(Resonance Sparse Signal Decomposition,RS... 由于干扰噪声较强,共振稀疏分解在滚动轴承早期故障阶段并不能有效提取瞬态冲击成分。针对此问题提出基于最大相关峭度解卷积(Maxim Correlated Kurtosis Deconvolution,MCKD)和共振稀疏分解(Resonance Sparse Signal Decomposition,RSSD)相结合的故障特征提取方法。该方法首先利用MCKD对振动冲击信号进行处理,有效降噪并突出故障信号尖脉冲,然后使用共振稀疏分解将信号分解成包含谐波信号的高共振分量与包含瞬态冲击信号的低共振分量,最后利用包络功率谱根据低共振分量提取故障特征频率。通过仿真和试验验证了该方法可以准确提取故障特征频率,凸显故障特征。 展开更多
关键词 振动与波 滚动轴承 故障诊断 共振稀疏分解 最大相关峭度解卷积
在线阅读 下载PDF
多共振分量融合CNN的行星齿轮箱故障诊断 被引量：17
3
作者 汤宝平 熊学嫣 +1 位作者 赵明航 谭骞 《振动．测试与诊断》 EI CSCD 北大核心 2020年第3期507-512,625,共7页
针对行星齿轮箱中各部件所激起的振动成分混叠、早期故障特征经常被较强的各级齿轮谐波成分以及环境噪声所湮没的问题,提出一种多共振分量融合卷积神经网络(multi-resonance component fusion based convolutional neural network,简称M... 针对行星齿轮箱中各部件所激起的振动成分混叠、早期故障特征经常被较强的各级齿轮谐波成分以及环境噪声所湮没的问题,提出一种多共振分量融合卷积神经网络(multi-resonance component fusion based convolutional neural network,简称MRCF-CNN)的行星齿轮箱故障诊断方法。首先,对振动信号进行共振稀疏分解,得到包含齿轮谐波成分的高共振分量和可能包含轴承故障冲击成分的低共振分量;其次,构建多共振分量融合卷积神经网络,将得到的高、低共振分量和原始振动信号进行自适应的特征级融合,通过有监督的方式训练模型并进行行星齿轮箱故障诊断。对行星齿轮箱实验数据的分析结果表明,该方法能够有效分类行星齿轮箱中滚动轴承和齿轮的故障,成功对行星齿轮箱故障进行诊断,同时能够进一步增强卷积神经网络对振动信号所蕴含的故障信息的辨识能力。 展开更多
关键词 共振稀疏分解 卷积神经网络 多共振分量融合 行星齿轮箱 故障诊断
在线阅读 下载PDF
改进的共振稀疏分解方法及其在滚动轴承复合故障诊断中的应用 被引量：12
4
作者 张守京 慎明俊 +1 位作者 杨静雯 吴芮 《中国机械工程》 EI CAS CSCD 北大核心 2022年第14期1697-1706,共10页
滚动轴承复合故障信号中各故障特征受到传输路径和其他干扰源的影响,在多缺陷共存条件下提取单个缺陷诱发的故障特征存在困难。提出一种基于双参数优化、子带重构改进的共振稀疏分解(RSSD)滚动轴承复合故障诊断方法:首先利用人工鱼群算... 滚动轴承复合故障信号中各故障特征受到传输路径和其他干扰源的影响,在多缺陷共存条件下提取单个缺陷诱发的故障特征存在困难。提出一种基于双参数优化、子带重构改进的共振稀疏分解(RSSD)滚动轴承复合故障诊断方法:首先利用人工鱼群算法自适应选择RSSD的品质因子和分解层数以构造与故障特征匹配的最优小波基,获得包含瞬态冲击的低共振分量;然后依据提出的子带筛选准则选择并重构低共振分量中包含瞬态冲击成分的最佳子带;最后通过多点最优最小熵反卷积(MOMEDA)方法识别并提取重构信号中周期性故障冲击。仿真信号和轴承全寿命周期复合故障信号分析结果表明,与RSSD-MCKD方法相比,所提出方法能有效提取复合故障信号中各故障特征,精确实现轴承复合故障诊断。 展开更多
关键词 共振稀疏分解 品质因子 子带重构 多点最优最小熵反卷积
在线阅读 下载PDF
基于RSIFICA的行星齿轮箱故障诊断方法 被引量：3
5
作者 朱静 邓艾东 +3 位作者 邓敏强 翟怡萌 孙文卿 王姗 《东南大学学报（自然科学版）》 EI CAS CSCD 北大核心 2020年第2期377-384,共8页
为了对行星齿轮箱进行故障检测和诊断,提出了一种基于共振稀疏快速独立分量的分析方法(RSIFICA).该方法首先采用共振稀疏分解对信号进行降维预处理,进行二次共振稀疏分解,构造虚拟通道增加传感器通道数目,同时引入牛顿-辛普森公式对快... 为了对行星齿轮箱进行故障检测和诊断,提出了一种基于共振稀疏快速独立分量的分析方法(RSIFICA).该方法首先采用共振稀疏分解对信号进行降维预处理,进行二次共振稀疏分解,构造虚拟通道增加传感器通道数目,同时引入牛顿-辛普森公式对快速独立分量分析方法进行改进.该方法减少包含瞬态冲击的宽带信号的影响,实现信号中振源信号数目的降维.同时,二次分解增加输入FastICA的通道数,解决了独立分量分析方法在提取行星齿轮箱故障特征频率过程中出现欠定盲源和收敛速度缓慢问题,同时提高了FastICA的运算效率.将该方法应用到行星齿轮箱的故障诊断中,包络谱分析结果表明,RSIFICA能准确地提取行星齿轮箱断齿故障特征频率,有效地解决了FastICA的问题,计算效率提高了21.49%.对比实验表明,相比于EMD-FastICA联合方法,RSIFICA能够对齿轮微弱故障特征进行更为有效的提取. 展开更多
关键词 行星齿轮箱 共振稀疏分解 快速独立分量分析 故障诊断
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