检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

风电机组主轴承的刚柔耦合动态响应仿真分析

太阳能学报 2019年第10期40卷 2953-2959页

作者：马德福赵荣珍应玲君唐小斌兰州理工大学机电工程学院

为揭示多动态参数激励下风电机组主轴承的动态响应,建立一种主轴承刚柔耦合多体接触动力学仿真模型。该模型考虑轴承保持架及内圈空间大范围运动与自身小变形的耦合作用,等效有油膜存在情况下的径向刚度与阻尼。利用该模型对某1.5 MW风... 详细信息

为揭示多动态参数激励下风电机组主轴承的动态响应,建立一种主轴承刚柔耦合多体接触动力学仿真模型。该模型考虑轴承保持架及内圈空间大范围运动与自身小变形的耦合作用,等效有油膜存在情况下的径向刚度与阻尼。利用该模型对某1.5 MW风电机组主轴承进行仿真分析。仿真中,对比验证模型的正确性与可靠性,得到主轴承运转过程中保持架与内圈的应力与应变关系;确定启动与平稳运行2种工况下保持架与内圈的受力危险位置。分析方法和研究结果对风电机组主轴承的选型及结构的优化具有一定的参考价值。

关键词：风电机组动力学仿真动态响应刚柔耦合主轴承

在线全文

学校读者我要写书评

暂无评论

风电机组风轮与主轴轴系的动力学耦合特性

太阳能学报 2018年第1期39卷 226-232页

作者：赵荣珍苏利营刘宏郑玉巧张娟兰州理工大学机电工程学院

针对叶片柔性振动引起叶轮与塔架间产生干涉、使叶根处发生疲劳破坏的问题,对叶片与主轴和主轴轴承间的相互作用关系进行探讨。依据刚柔耦合多体系统动力学理论,建立一种能够计算风轮与主轴轴系间耦合动态响应的低速轴端多体子系统的刚... 详细信息

针对叶片柔性振动引起叶轮与塔架间产生干涉、使叶根处发生疲劳破坏的问题,对叶片与主轴和主轴轴承间的相互作用关系进行探讨。依据刚柔耦合多体系统动力学理论,建立一种能够计算风轮与主轴轴系间耦合动态响应的低速轴端多体子系统的刚柔耦合动力学性能计算的仿真方法。该方法考虑了主轴轴承的刚度与阻尼、轴承结构间隙、叶片柔性以及叶轮风剪切效应间的相互耦合影响作用。以河西走廊某风场1.2 MW风电机组为例对所建模型进行验证。结果表明,转速与叶片间由于风剪切作用出现的气动力不平衡对主轴轴系的稳定性影响作用较大,该研究提出的方法能够模拟出气动力波动对系统稳定性的影响情况,能够计算获得叶片面内运动的动态响应规律。采用Blade软件进行的验证结果表明了该方法的有效性。

关键词：柔性多体系统动力学风轮与主轴系统稳定性分析振动特性

在线全文

学校读者我要写书评

暂无评论

转子-轴承系统稳定性实验研究

甘肃工业大学学报 2001年第2期27卷 37-40页

作者：赵荣珍宋曦李超甘肃工业大学机电工程学院甘肃兰州730050 甘肃工业大学基础科学系甘肃兰州730050 甘肃工业大学石油化工学院甘肃兰州730050

通过用脉冲力敲击、激发出系统的自由振动信号的方法 ,对多自由度转子轴承系统稳定性的评价方法进行了研究 .结果表明 :多自由度转子轴承系统的稳定性可用远离击振点跨处的自由振动信号评定。

关键词：转子轴承系统相关分析自由振动对数衰减率判据稳定性

基于正则化核最大边界投影维数约简的滚动轴承故障诊断

在线全文

学校读者我要写书评

暂无评论

振动与冲击 2017年第14期36卷 104-110页

作者：赵孝礼赵荣珍孙业北何敬举兰州理工大学机电工程学院

针对旋转机械故障诊断中故障样本获取困难的现状,提出一种基于正则化核最大边界投影(Regularized Kernel Maximum Margin Projection,RKMMP)维数约简的滚动轴承故障诊断方法。该方法首先利用RKMMP对小样本、少标记信息的混合故障样本集... 详细信息

针对旋转机械故障诊断中故障样本获取困难的现状,提出一种基于正则化核最大边界投影(Regularized Kernel Maximum Margin Projection,RKMMP)维数约简的滚动轴承故障诊断方法。该方法首先利用RKMMP对小样本、少标记信息的混合故障样本集进行训练降维,然后将降维后的低维敏感特征子集输入到核极限学习机(Kernel Extreme Learning Machine,KLEM)分类器中进行故障识别。上述方法的特点是所提出的RKMMP能充分利用少量标记样本信息与大量无标记样本的故障信息,避免过学习的缺陷,同时通过添加正则化项克服小样本问题。滚动轴承故障模拟实验表明:该方法结合了RKMMP在维数约简和KLEM在模式识别上的优势,在一定程度上能提升故障诊断的泛化能力与识别精度。该研究可为解决好故障诊断中样本获取困难的问题,提供理论参考依据。

关键词：故障诊断正则化核最大边界投影核极限学习机分类器维数约简

基于KSLPP与RWKNN的旋转机械故障诊断

在线全文

学校读者我要写书评

暂无评论

振动与冲击 2016年第8期35卷 219-223页

作者：王雪冬赵荣珍邓林峰兰州理工大学机电工程学院兰州730050

针对旋转机械高维故障特征集识别精度低的问题,提出基于核监督局部保留投影(Kernel Supervised Locality Preserving Projection,KSLPP)与Relief F特征加权的K近邻(Relief F Weighted K-Nearest Neighbor,RWKNN)分类器相结合的维数约简故障诊断方法。该方法首先应用KSLPP提取故障特征集中的非线性信息,同时在降维投影过程中充分利用类别信息,使降维后最小化类内散度,最大化类间分离度;随后,将降维后得到的低维敏感特征集输入RWKNN进行模式识别,RWKNN能够突出不同特征对分类的贡献率,强化敏感特征,弱化不相关特征,提升了分类精度和鲁棒性。最后,通过典型转子实验台的故障特征集验证了该方法的有效性。

关键词：故障诊断核监督局部保留投影 Relief F特征选择加权K近邻分类器

在线全文

学校读者我要写书评

暂无评论

轴承-转子系统模态参数时域识别的研究

机械科学与技术 1997年第2期16卷 195-199页

作者：段吉安虞烈谢友柏赵荣珍西安交通大学润滑理论及轴承研究所

轴承－转子系统模态参数时域识别对于回转机械的状态监测与故障诊断具有重要意义。然而，一般时域识别方法通常存在对系统定阶的困难，因此本文提出一种逐步扩阶的ＳＴＤ方法，并在双跨转子实验台上进行了模态参数识别实验，结果表明，... 详细信息

轴承－转子系统模态参数时域识别对于回转机械的状态监测与故障诊断具有重要意义。然而，一般时域识别方法通常存在对系统定阶的困难，因此本文提出一种逐步扩阶的ＳＴＤ方法，并在双跨转子实验台上进行了模态参数识别实验，结果表明，该方法较好地解决了对系统定阶的困难。

关键词：轴承-转子系统模态参数参数识别

EWT-MFE与t-SNE结合的旋转机械故障诊断方法

在线全文

学校读者我要写书评

暂无评论

机械设计与研究 2019年第4期35卷 53-57,63页

作者：薛瑞赵荣珍兰州理工大学机电工程学院

为提取出辨识度高的故障数据集,将经验小波变换(empirical wavelet transform,EWT)、多尺度模糊熵(multi-scale fuzzy entropy,MFE)以及t-分布随机邻域嵌入算法(t-distributed stochastic neighbor embedding,t-SNE)进行结合,提出一种能够有效识别旋转机械故障状态的分析方法。首先,将旋转机械的振动信号进行经验小波变换,以提取具有紧支撑傅立叶频谱的调幅-调频(AM-FM)成分,选择相关系数较大的AM-FM进行信号重构;然后,计算出重构信号的多尺度模糊熵并组成能表征故障状态的高维特征集,利用t-SNE对高维特征信息进行维数约简,剔除冗余不相关特征;最后,将约简后的敏感故障数据集输入到支持向量机(support vector machin,SVM)中,在SVM核函数参数进行粒子群算法优化的基础上进行状态识别及分类。用双跨转子实验台采集的数据对上述方法进行验证,结果表明该方法能够有效提取转子振动信号的故障特征,并且具有更精确的故障识别率。

关键词：经验小波变换多尺度模糊熵 t-分布随机近邻嵌入算法支持向量机

基于QPSO‐MPE的滚动轴承故障识别方法

在线全文

学校读者我要写书评

暂无评论

振动．测试与诊断 2021年第1期41卷 62-68,200,201页

作者：王望望邓林峰赵荣珍张爱华兰州理工大学机电工程学院兰州730050 兰州理工大学电气工程与信息工程学院兰州730050

为准确辨识滚动轴承故障类型,提出了一种基于量子粒子群优化多尺度排列熵(quantum⁃behaved particle swarm optimization and multi⁃scale permutation entropy,简称QPSO⁃MPE)的滚动轴承故障识别方法。首先,对滚动轴承的原始振动信号进... 详细信息

为准确辨识滚动轴承故障类型,提出了一种基于量子粒子群优化多尺度排列熵(quantum⁃behaved particle swarm optimization and multi⁃scale permutation entropy,简称QPSO⁃MPE)的滚动轴承故障识别方法。首先,对滚动轴承的原始振动信号进行集成经验模态分解(ensemble empirical mode decomposition,简称EEMD),得到一系列内禀模态分量(intrinsic mode function,简称IMF)和一个趋势项,并以峭度作为度量指标筛选出含有主要故障特征信息的IMF来重构振动信号;然后,利用量子粒子群优化算法对多尺度排列熵的关键参数进行优化,得到其模型计算重构信号的多尺度排列熵,从而构建轴承故障的多尺度排列熵特征集;最后,将故障特征集输入GG(Gath⁃Geva)模糊聚类算法进行聚类识别。实验结果表明,基于QPSO⁃MPE的滚动轴承故障识别方法可实现滚动轴承典型故障的准确辨识,证明了QPSO⁃MPE在故障特征提取方面的有效性。

关键词：滚动轴承故障识别量子粒子群优化多尺度排列熵集成经验模态分解 GG模糊聚类

基于云理论和Relief⁃F的滚动轴承故障识别方法

在线全文

学校读者我要写书评

暂无评论

振动．测试与诊断 2021年第4期41卷 667-672,827,828页

作者：马森财赵荣珍吴耀春邓林峰兰州理工大学机电工程学院兰州730050

为了充分利用海量数据中蕴含的信息并对轴承故障进行有效识别,采用云理论方法将轴承的故障数据与其对应的故障类型进行映射,建立了滚动轴承在不同状态下各个特征的云分布模型,并依此构造出轴承故障的云判断知识库。同时,引入Relief⁃F算... 详细信息

为了充分利用海量数据中蕴含的信息并对轴承故障进行有效识别,采用云理论方法将轴承的故障数据与其对应的故障类型进行映射,建立了滚动轴承在不同状态下各个特征的云分布模型,并依此构造出轴承故障的云判断知识库。同时,引入Relief⁃F算法确定训练集各特征的权重系数,结合云分布隶属度系数,提出了样本对于轴承故障的最终隶属度计算方法。通过根据不同数目的训练样本建立的云分类知识库在分类精度上的对比,证明了该方法具备对数据的学习能力。将该分类方法与常用的分类方法在含有噪声的测试样本上进行对比实验,证明了该分类方法在抗噪性方面的优越性。

关键词：滚动轴承故障识别云理论隶属度