检索结果-南通市图书馆

POVMD与包络阶次谱的变工况滚动轴承故障诊断

在线全文

学校读者我要写书评

暂无评论

振动．测试与诊断 2017年第3期37卷 609-616页

作者：姜战伟郑近德潘海洋潘紫微安徽工业大学机械工程学院马鞍山243032

针对变转速滚动轴承故障特征提取较难的问题,提出一种基于参数优化变分模态分解(parameter optimized variational mode decomposition,简称POVMD)与包络阶次谱的变工况滚动轴承故障诊断方法。首先,采用POVMD对变转速滚动轴承振动信号... 详细信息

针对变转速滚动轴承故障特征提取较难的问题,提出一种基于参数优化变分模态分解(parameter optimized variational mode decomposition,简称POVMD)与包络阶次谱的变工况滚动轴承故障诊断方法。首先,采用POVMD对变转速滚动轴承振动信号进行分解,得到若干个本征模态函数之和;其次,对各个分量的时域信号进行角域重采样,将时变信号转化为平稳信号处理,再利用Hilbert变换估计重采样后的平稳信号的包络;最后,对得到的包络信号进行阶比分析,从谱图中读取故障特征信息。将POVMD方法与经验模态分解进行了对比,仿真信号分析结果表明了POVMD方法的优越性。将提出的变转速滚动轴承故障诊断方法应用于试验数据分析,分析结果表明,所提出的方法能够实现变转速滚动轴承的故障诊断,而且诊断效果优于现有方法。

关键词：变分模态分解变工况包络阶次谱滚动轴承故障诊断

VPMCD和模糊熵在转子系统故障诊断中的应用

在线全文

学校读者我要写书评

暂无评论

振动．测试与诊断 2014年第5期34卷 791-795,970页

作者：杨宇潘海洋程军圣湖南大学汽车车身先进设计制造国家重点实验室长沙410082

针对转子系统的故障特征,提出了基于多变量预测模型(variable predictive mode based class discriminate,简称VPMCD)和模糊熵的故障诊断方法。VPMCD方法是根据所提取的全部或部分特征值之间具有的某种内在关系建立预测模型,并以建立的... 详细信息

针对转子系统的故障特征,提出了基于多变量预测模型(variable predictive mode based class discriminate,简称VPMCD)和模糊熵的故障诊断方法。VPMCD方法是根据所提取的全部或部分特征值之间具有的某种内在关系建立预测模型,并以建立的变量预测模型进行模式识别。首先,对转子振动信号进行经验模态分解(empirical mode decomposition,简称EMD),得到若干个内禀模态函数(intrinsic mode function,简称IMF)分量;接着,提取包含主要故障信息的前几个IMF分量的模糊熵组成故障特征向量矩阵;然后,采用VPMCD方法建立预测模型;最后,通过建立的VPMCD预测模型区分转子的工作状态和故障类型。实验分析结果表明,基于VPMCD和模糊熵的故障诊断方法可以准确、有效地识别转子系统的工作状态和故障类型。

关键词：多变量预测模型模糊熵转子系统故障诊断 @@

精细广义复合多元多尺度反向散布熵及其在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

中国机械工程 2023年第11期34卷 1315-1325页

作者：郑近德陈焱童靳于潘海洋安徽工业大学机械工程学院马鞍山243032

多尺度反向散布熵能够有效度量时间序列的复杂性,但在粗粒化构造上存在缺陷,且在表征滚动轴承非线性故障特征时缺乏对其他通道同步信息的有效利用。为了准确提取轴承信号的故障特征,结合精细化和广义复合多尺度的思想,将表征同步多通道... 详细信息

多尺度反向散布熵能够有效度量时间序列的复杂性,但在粗粒化构造上存在缺陷,且在表征滚动轴承非线性故障特征时缺乏对其他通道同步信息的有效利用。为了准确提取轴承信号的故障特征,结合精细化和广义复合多尺度的思想,将表征同步多通道数据多变量复杂度的多变量熵理论应用到轴承故障诊断中,提出了精细广义复合多元多尺度反向散布熵(RGCMvMRDE)。在此基础上,提出了一种基于RGCMvMRDE与引力搜索算法优化支持向量机(GSA-SVM)的滚动轴承故障诊断方法。首先,利用RGCMvMRDE全面表征滚动轴承故障特征信息,构建故障特征集;其次,采用GSA-SVM对故障类型进行智能识别;最后,将所提方法应用于滚动轴承实验数据分析,并将其与现有基于多尺度反向散布熵、广义多尺度反向散布熵和精细复合多元多尺度排列熵的故障特征提取方法进行了对比。研究结果表明,所提RGCMvMRDE不仅能够有效和精准地诊断轴承的不同故障类型和故障程度,且诊断效果优于上述对比方法。

关键词：精细广义复合多元多尺度反向散布熵滚动轴承故障诊断特征提取

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

基于自适应集成补丁变换的齿轮故障诊断方法

振动与冲击 2023年第11期42卷 19-26页

作者：潘海洋殷学林郑近德童靳于安徽工业大学机械工程学院安徽马鞍山243002

针对集成补丁变换(ensemble patch transformation,EPT)进行信号分解时易出现模态混淆和参数无法自适应的问题,提出一种基于自适应集成补丁变换(adaptive ensemble patch transformation,AEPT)的齿轮故障诊断方法。在AEPT分解过程中,通... 详细信息

针对集成补丁变换(ensemble patch transformation,EPT)进行信号分解时易出现模态混淆和参数无法自适应的问题,提出一种基于自适应集成补丁变换(adaptive ensemble patch transformation,AEPT)的齿轮故障诊断方法。在AEPT分解过程中,通过极值约束获得若干个采样点,并以此完成信号局部划分,实现信号降噪;结合极值点周期设置补丁参数,搭建集成补丁结构;通过迭代和筛分将任意一个非线性非平稳信号自适应地分解为若干个瞬时频率具有物理意义的集成补丁分量(ensemble patch component,EPC)。通过调幅仿真信号、齿轮故障仿真信号和实际齿轮裂纹信号进行试验验证,结果表明,AEPT方法在抑制模态混淆、鲁棒性等方面具有明显优势,可以有效地完成齿轮故障诊断。

关键词：自适应集成补丁变换(AEPT) 集成补丁分量(EPC) 齿轮故障诊断

复合多尺度反向散布熵在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

振动与冲击 2022年第19期41卷 55-63页

作者：陈焱郑近德潘海洋童靳于安徽工业大学机械工程学院安徽马鞍山243032

滚动轴承发生故障时,其振动信号往往表现出非线性和非平稳特征。反向散布熵(reverse dispersion entropy,RDE)能够有效衡量振动信号的复杂性变化和非线性动力学突变行为,但是单一尺度的RDE值并不能完全反映振动信号的复杂性和非线性特... 详细信息

滚动轴承发生故障时,其振动信号往往表现出非线性和非平稳特征。反向散布熵(reverse dispersion entropy,RDE)能够有效衡量振动信号的复杂性变化和非线性动力学突变行为,但是单一尺度的RDE值并不能完全反映振动信号的复杂性和非线性特征。对此,受多尺度熵启发,同时针对传统多尺度粗粒化方式的不足,提出了复合多尺度反向散布熵(composite multi-scale reverse dispersion entropy,CMRDE)。通过仿真信号分析,将CMRDE与多尺度反向散布熵(multi-scale reverse dispersion entropy,MRDE)和RDE进行对比,结果表明:CMRDE不仅能反映不同尺度下信号复杂度的差异,且变化更平缓、波动更小。在此基础上,将CMRDE应用于滚动轴承故障特征提取,提出了一种基于CMRDE、集合经验模态分解和布谷鸟搜索算法优化支持向量机的滚动轴承故障诊断方法。将所提方法应用于滚动轴承试验数据分析,并通过与现有方法进行对比,结果表明:相较所对比的方法,所提方法能有效识别轴承故障类型,提取的故障特征误差更小、故障识别率更高。

关键词：反向散布熵复合多尺度反向散布熵滚动轴承故障诊断

基于特征选择和RRVPMCD的滚动轴承故障诊断方法

在线全文

学校读者我要写书评

暂无评论

振动工程学报 2014年第4期27卷 629-636页

作者：杨宇潘海洋程军圣湖南大学汽车车身先进设计制造国家重点实验室湖南长沙410082

针对滚动轴承故障诊断时所提取的特征值中可能含有较小相关性和冗余性特征,采用基于Wrapper模式的距离评价技术(distance evaluation technique,简称DET)进行特征选择。在分类器的设计中,提出了基于稳健回归的多变量预测模型(Robust reg... 详细信息

针对滚动轴承故障诊断时所提取的特征值中可能含有较小相关性和冗余性特征,采用基于Wrapper模式的距离评价技术(distance evaluation technique,简称DET)进行特征选择。在分类器的设计中,提出了基于稳健回归的多变量预测模型(Robust regression-Variable predictive model based class discriminate,简称RRVPMCD)分类方法,以减小"异常值"对参数估计的影响,从而有望建立更加准确的预测模型。即根据Wrapper模式的特点,首先通过DET方法计算出各特征值对类的敏感度,并结合RRVPMCD分类器,选择敏感度最大的若干特征值组成特征向量矩阵;然后用RRVPMCD方法进行训练,建立预测模型;最后用所建立的预测模型进行模式识别。实验分析结果表明,基于Wrapper模式的特征选择方法和RRVPMCD分类方法相结合可以有效地对滚动轴承的工作状态和故障类型进行识别。

关键词：故障诊断滚动轴承 Wrapper模式特征选择 RRVPMCD

基于全矢Autogram的滚动轴承故障诊断方法

在线全文

学校读者我要写书评

暂无评论

振动．测试与诊断 2023年第2期43卷 312-320,410,411页

作者：张刘润郑近德潘海洋童靳于安徽工业大学机械工程学院马鞍山243032

针对滚动轴承单通道信号信噪比较低、不能全面和准确表征故障特征等问题,提出了一种基于全矢谱和自相关谱峭度图的滚动轴承故障诊断方法。首先,计算互为垂直的两通道振动信号的自相关谱峭度图,得到信号中最佳频带的位置,并提取重构信号... 详细信息

针对滚动轴承单通道信号信噪比较低、不能全面和准确表征故障特征等问题,提出了一种基于全矢谱和自相关谱峭度图的滚动轴承故障诊断方法。首先,计算互为垂直的两通道振动信号的自相关谱峭度图,得到信号中最佳频带的位置,并提取重构信号;其次,为了保证信号故障信息的全面性和获取精确故障特征信息,计算重构信号的全矢包络谱;最后,分析全矢包络谱中的故障特征进行故障诊断。通过分析仿真信号及实验数据,将所提方法与快速谱峭度和自相关谱峭度图等方法进行了对比,结果表明,所提故障诊断方法能够有效地提取滚动轴承的故障特征频率,提高故障诊断的精确性。

关键词：自相关谱峭度快速谱峭度全矢谱滚动轴承故障诊断

维普期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

辛几何模态分解方法及其分解能力研究

振动与冲击 2020年第13期39卷 27-35页

作者：程正阳王荣吉潘海洋中南林业科技大学机电工程学院长沙410004 湖南大学机械与运载工程学院长沙410082

针对经验模态分解(Empirical Mode Decomposition,EMD)、集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)、局部特征尺度分解(Local Characteristic scale Decomposition,LCD)等方法的不足,提出了一种新的分析方法--辛几何模态分解(Symplectic Geometry Mode Decomposition,SGMD)方法,该方法采用辛矩阵相似变换求解Hamilton矩阵的特征值,并利用其对应的特征向量重构辛几何分量(Symplectic Geometry Component,SGC),从而对复杂信号去噪的同时进行自适应分解,得到若干个SGC。通过仿真信号模型,研究了SGMD方法的分解性能、噪声鲁棒性,分析了分量信号的频率比、幅值比和初相位差对SGMD方法分解能力的影响。将SGMD方法应用于齿轮故障实验数据分析,结果表明SGMD方法能够有效地对待分解信号完成分解并剔除噪声信号。

关键词：辛几何模态分解(SGMD) 辛矩阵相似变换辛几何分量(SGC) 分解能力

在线全文

学校读者我要写书评

暂无评论

非平稳信号分析的广义解析模态分解方法

电子学报 2016年第6期44卷 1458-1464页

作者：郑近德潘海洋程军圣安徽工业大学机械工程学院安徽马鞍山243032 湖南大学汽车车身先进设计制造国家重点实验室湖南长沙410082

现有的非平稳信号分析方法都有各自不同的缺陷,短时傅里叶变换的时频分辨率受不确定性原理的限制,希尔伯特黄变换存在端点效应和模态混叠,易导致模糊的时频分布;解析模态分解只适合分析频率恒定的多分量信号;针对包含多个时变模态、特... 详细信息

现有的非平稳信号分析方法都有各自不同的缺陷,短时傅里叶变换的时频分辨率受不确定性原理的限制,希尔伯特黄变换存在端点效应和模态混叠,易导致模糊的时频分布;解析模态分解只适合分析频率恒定的多分量信号;针对包含多个时变模态、特别是频谱重叠的非平稳信号,本文提出了一种新的信号分析方法——广义解析模态分解(Generalized Analytical Mode Decomposition,GAMD).GAMD通过广义傅里叶变换将时变频率转换为频谱可分的,采用解析模态分解对其分解,再对得到的单分量信号进行逆广义傅里叶变换即可得到原始信号的分量.因此,GAMD非常适合分析时变的非平稳信号.通过仿真信号将GAMD与短时傅里叶变换和希尔伯特黄变换等方法进行了对比,结果表明GAMD方法的分解效果更精确,时频分辨率更高.

关键词：时频分析广义傅里叶变换解析模态分解经验模态分解非平稳信号