检索结果-南通市图书馆

改进融合指标的新型盲解卷积算法在轴承故障诊断中的应用

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

噪声与振动控制 2024年第1期44卷 162-167页

作者：田甜唐贵基田寅初王晓龙华北电力大学机械工程系河北保定071000

为解决现有盲解卷积算法易受随机脉冲影响的问题,综合时域特征和频域特征,提出一个新的故障敏感指标,即包络谱峭度-包络基尼系数融合指标(Envelope Spectral Kurtosis-envelope Gini Index,ESKEG)。该指标对周期性脉冲更敏感,不易受随... 详细信息

为解决现有盲解卷积算法易受随机脉冲影响的问题,综合时域特征和频域特征,提出一个新的故障敏感指标,即包络谱峭度-包络基尼系数融合指标(Envelope Spectral Kurtosis-envelope Gini Index,ESKEG)。该指标对周期性脉冲更敏感,不易受随机脉冲的影响。基于该指标,提出一个新的解卷积算法,即基于最大ESKEG的盲解卷积,并采用粒子群算法(Particle Swarm Optimization,PSO)求解滤波器系数。通过仿真振动信号和实验仿真信号进行验证,结果表明相比于其他盲解卷积算法,所提出的PSO-ESKEG算法在故障先验知识未知的情况下,能更有效避免受到随机脉冲信号的影响。

关键词：故障诊断盲解卷积包络谱峭度-包络基尼系数粒子群优化随机脉冲

基于AlexNet-Adaboost的多工况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

振动与冲击 2022年第2期41卷 20-25页

作者：唐贵基田寅初田甜华北电力大学(保定)机械工程系河北保定071003

针对实际工程中滚动轴承多工况下传统故障诊断方法识别率偏低的情况。提出了一种基于AlexNet-Adaboost相结合的滚动轴承故障识别方法。以滚动轴承信号的时频图作为模型输入、分类结果作为模型输出,训练多个AlexNet基分类器;在此基础上利... 详细信息

针对实际工程中滚动轴承多工况下传统故障诊断方法识别率偏低的情况。提出了一种基于AlexNet-Adaboost相结合的滚动轴承故障识别方法。以滚动轴承信号的时频图作为模型输入、分类结果作为模型输出,训练多个AlexNet基分类器;在此基础上利用Adaboost(自适应提升)算法进一步提升得到强分类器,将多工况下滚动轴承信号的时频图输入强分类器进行测试。结果显示,所提方法可实现对多工况下滚动轴承故障有效识别,并且在一定程度上提高了故障分类的准确性。

关键词：状态识别时频图滚动轴承卷积神经网络(CNN) 自适应提升算法

基于SSWPT边际谱特征信息提取的齿轮故障诊断

在线全文

学校读者我要写书评

暂无评论

振动与冲击 2022年第14期41卷 50-57页

作者：唐贵基徐振丽庞彬白洁华北电力大学河北省电力机械装备健康维护与失效预防重点实验室河北保定071003 河北大学质量技术监督学院河北保定071002

在噪声的影响下,齿轮的故障信息不易被识别。同步压缩小波包变换(synchrosqueezed wave packet transform,SSWPT)作为一种新的时频分析方法,具有良好的抗噪声能力。在其基础上提出基于SSWPT边际谱特征信息提取的齿轮故障诊断方法。首先... 详细信息

在噪声的影响下,齿轮的故障信息不易被识别。同步压缩小波包变换(synchrosqueezed wave packet transform,SSWPT)作为一种新的时频分析方法,具有良好的抗噪声能力。在其基础上提出基于SSWPT边际谱特征信息提取的齿轮故障诊断方法。首先,对故障齿轮的振动信号进行SSWPT得到信号的能量矩阵,并对能量矩阵进行积分变换求取齿轮振动信号的边际谱;然后,根据边际谱提取啮合频率及其倍频,并选择对应的啮合调制频带对能量矩阵运用同步压缩小波包逆变换(synchrosqueezed wave packet inverse transformation,ISSWPT)进行信号重构;最后,对重构信号进行解调分析,从而可以有效提取齿轮故障特征频率。仿真及试验分析结果表明,该方法可以准确地提取齿轮故障特征信息,且分析效果优于包络谱和基于快速谱峭度的共振解调方法,为齿轮的故障特征提取提供一种有效的方法。

关键词：同步压缩小波包变换(SSWPT) 边际谱齿轮故障诊断

在线全文

学校读者我要写书评

暂无评论

基于AIF和TT的滚动轴承复合故障诊断

振动．测试与诊断 2022年第6期42卷 1206-1211,1249页

作者：刘宝华张穆勇臧延旭唐贵基北华航天工业学院机电工程学院廊坊065000 华北电力大学机械工程系保定071003

针对滚动轴承复合故障模式下的微弱特征难以提取的问题,提出了基于自适应迭代滤波(adaptive iterative filtering,简称AIF)和改进的时时变换(time-time transform,简称TT)的滚动轴承复合故障诊断方法。首先,采用AIF将信号分解,得到一系... 详细信息

针对滚动轴承复合故障模式下的微弱特征难以提取的问题,提出了基于自适应迭代滤波(adaptive iterative filtering,简称AIF)和改进的时时变换(time-time transform,简称TT)的滚动轴承复合故障诊断方法。首先,采用AIF将信号分解,得到一系列本征模态分量,并以最大相关峭度作为评价准则,筛选出其中的特征分量,实现滚动轴承复合故障振动信号的特征分离;其次,利用改进的时时变换方法对特征分量进行降噪,增强特征分量的冲击特征;最后,对降噪的特征分量进行包络谱分析,提取故障特征频率,实现滚动轴承故障模式的精确判别。仿真实验和故障诊断实例表明,该方法可以有效提取滚动轴承复合故障模式下的微弱特性信息。

关键词：滚动轴承自适应迭代滤波时时变换复合故障故障诊断

OVME结合SMHD的风电机组变桨轴承损伤识别

在线全文

学校读者我要写书评

暂无评论

动力工程学报 2023年第8期43卷 1039-1046页

作者：唐贵基薛贵王晓龙华北电力大学机械工程系河北保定071003 华北电力大学河北省电力机械装备健康维护与失效预防重点实验室河北保定071003

针对风电机组变桨轴承的损伤识别问题,提出一种优化变分模态提取结合稀疏最大谐波噪声比解卷积的新颖损伤识别方法,旨在从复合信号中提取特定信号分量。首先,以能量特征指标为适应度函数,利用白鲨优化算法对变分模态提取算法的最优影响... 详细信息

针对风电机组变桨轴承的损伤识别问题,提出一种优化变分模态提取结合稀疏最大谐波噪声比解卷积的新颖损伤识别方法,旨在从复合信号中提取特定信号分量。首先,以能量特征指标为适应度函数,利用白鲨优化算法对变分模态提取算法的最优影响参数组合进行搜索,确定变分模态提取的平衡因子和中心频率的最优值;其次,利用变分模态提取从振动信号中提取特定信号分量,并对提取的信号分量进行稀疏最大谐波噪声比解卷积处理,提高信号的信噪比,得到解卷积信号;最后,对解卷积信号进行包络谱分析,从中提取轴承损伤特征频率。结果表明:该方法能准确识别风电机组变桨轴承的损伤特征,具有一定的实际工程参考价值。

关键词：风电机组变桨轴承损伤识别白鲨优化变分模态提取稀疏最大谐波噪声比解卷积

快速谱相关引导ACMD的滚动轴承复合故障特征分离方法

在线全文

学校读者我要写书评

暂无评论

振动与冲击 2023年第16期42卷 129-137页

作者：唐贵基成彪徐振丽王晓龙华北电力大学机械工程系河北保定071003 华北电力大学河北省电力机械装备健康维护与失效预防重点实验室河北保定071003

以不同故障类型产生的冲击信号周期不同为出发点,提出了一种快速谱相关引导自适应线性调频模态分解的滚动轴承复合故障特征分离方法。首先使用快速谱相关搜寻复合故障信号中潜藏的循环频率成分;然后根据快速谱相关图绘制循环频率沿频率... 详细信息

以不同故障类型产生的冲击信号周期不同为出发点,提出了一种快速谱相关引导自适应线性调频模态分解的滚动轴承复合故障特征分离方法。首先使用快速谱相关搜寻复合故障信号中潜藏的循环频率成分;然后根据快速谱相关图绘制循环频率沿频率轴的能量分布曲线,提出单一循环频率能量主导准则挑选包含单一故障信息最多而另一故障信息最少的频带范围,从中选取合适的中心频率指引自适应线性调频模态分解对指定频带进行分解;最后对分解信号进行包络分析,根据故障频率判定故障类型。通过分析仿真信号以及外圈6点钟故障和12点钟故障与内圈复合故障试验信号表明,该方法可以实现复合故障特征的分离。

关键词：滚动轴承快速谱相关自适应线性调频模态分解复合故障

基于VEITD和OSMHD的风电机组轴承损伤识别

在线全文

学校读者我要写书评

暂无评论

电力自动化设备 2023年第6期43卷 101-107页

作者：唐贵基朱星皓王晓龙薛贵徐振丽周威华北电力大学机械工程系河北保定071003 华北电力大学河北省电力机械装备健康维护与失效预防重点实验室河北保定071003

针对风力发电机轴承损伤信号易被强噪声干扰导致损伤特征提取困难的问题,提出了一种基于可变熵加权融合的固有时间尺度分解和优化稀疏最大谐波噪声比解卷积法相结合的风力发电机轴承损伤识别方法。采用固有时间尺度分解方法对原始信号... 详细信息

针对风力发电机轴承损伤信号易被强噪声干扰导致损伤特征提取困难的问题,提出了一种基于可变熵加权融合的固有时间尺度分解和优化稀疏最大谐波噪声比解卷积法相结合的风力发电机轴承损伤识别方法。采用固有时间尺度分解方法对原始信号进行分解,得到若干个固有旋转分量。利用可变熵对固有旋转分量进行加权融合。使用优化稀疏最大谐波噪声比解卷积法对加权融合信号进行处理,提取轴承损伤特征频率。试验台数据和风力发电机现场数据分析结果表明,所提方法对轴承损伤信号中的噪声抑制效果明显,能够准确提取风力发电机轴承损伤特征频率,实现风力发电机轴承的损伤识别。

关键词：风力发电机组滚动轴承损伤识别固有时间尺度分解稀疏最大谐波噪声比解卷积

TT变换结合计算阶比跟踪的滚动轴承时变微弱故障特征提取

在线全文

学校读者我要写书评

暂无评论

中国电机工程学报 2017年第20期37卷 5995-6003页

作者：唐贵基庞彬华北电力大学能源动力与机械工程学院河北省保定市071003

为解决变转速工况滚动轴承微弱故障特征难以提取的问题,提出了时时(time-time,TT)变换结合计算阶比跟踪(computed order tracking,COT)的滚动轴承时变微弱故障特征提取方法。首先对变转速状态的轴承微弱故障信号进行时时变换,得到反映... 详细信息

为解决变转速工况滚动轴承微弱故障特征难以提取的问题,提出了时时(time-time,TT)变换结合计算阶比跟踪(computed order tracking,COT)的滚动轴承时变微弱故障特征提取方法。首先对变转速状态的轴承微弱故障信号进行时时变换,得到反映故障信号二维时时特征的TT变换矩阵。为消除TT变换矩阵的冗余性,提出了基于峭度准则的奇异值分解(singular value decomposition,SVD)方法对TT变换矩阵降噪。然后对降噪后的TT变换矩阵实施TT反变换,获取滚动轴承时变故障特征增强信号。最后对增强信号进行COT分析得到其包络阶比谱,从而提取滚动轴承的故障特征阶次。对仿真信号和实验测试信号进行分析验证,均实现了滚动轴承变转速工况故障类型的精确识别,分析效果优于包络阶比谱方法,证明了该方法的有效性。

关键词： TT变换计算阶比跟踪奇异值分解滚动轴承变转速故障诊断

ITT变换在风电机组滚动轴承故障诊断中的应用

在线全文

学校读者我要写书评

暂无评论

电力自动化设备 2017年第9期37卷 83-89页

作者：唐贵基庞彬华北电力大学能源动力与机械工程学院河北保定071003

为实现风电机组滚动轴承微弱故障诊断,提出了基于改进的时时(ITT)变换的风电机组滚动轴承故障诊断方法。由时时(TT)变换可得到一维轴承故障振动信号的TT变换矩阵,实现滚动轴承振动信号的二维TT表示。提取该TT变换矩阵的对角线元素可滤... 详细信息

为实现风电机组滚动轴承微弱故障诊断,提出了基于改进的时时(ITT)变换的风电机组滚动轴承故障诊断方法。由时时(TT)变换可得到一维轴承故障振动信号的TT变换矩阵,实现滚动轴承振动信号的二维TT表示。提取该TT变换矩阵的对角线元素可滤除低频干扰信号,起到增强故障特征的效果。鉴于噪声对TT变换分析效果具有重要影响,提出基于能量熵准则的奇异值分解降噪方法改进TT变换,以提高TT变换的抗噪能力,实现强背景噪声条件下轴承微弱故障特征提取。仿真、实验及工程应用实例结果均表明所提方法可以有效诊断出风电机组滚动轴承的故障类型。

关键词：风电机组滚动轴承 TT变换奇异值分解故障诊断