检索结果-南通市图书馆

Multi-view feature fusion for rolling bearing fault diagnosis using random forest and autoencoder

在线全文

学校读者我要写书评

暂无评论

Journal of Southeast University(English Edition) 2019年第3期35卷 302-309页

作者： Sun Wenqing deng Aidong deng minqiang Zhu Jing Zhai Yimeng Cheng Qiang Liu Yang National Engineering Research Center of Turbo-Generator Vibration Southeast UniversityNanjing 210096China School of Energy and Environment Southeast UniversityNanjing 210096China

To improve the accuracy and robustness of rolling bearing fault diagnosis under complex conditions, a novel method based on multi-view feature fusion is proposed. Firstly, multi-view features from perspectives of the time domain, frequency domain and time-frequency domain are extracted through the Fourier transform, Hilbert transform and empirical mode decomposition (EMD).Then, the random forest model (RF) is applied to select features which are highly correlated with the bearing operating state. Subsequently, the selected features are fused via the autoencoder (AE) to further reduce the redundancy. Finally, the effectiveness of the fused features is evaluated by the support vector machine (SVM). The experimental results indicate that the proposed method based on the multi-view feature fusion can effectively reflect the difference in the state of the rolling bearing, and improve the accuracy of fault diagnosis.

关键词： multi-view features feature fusion fault diagnosis rolling bearing machine learning

The First Global Map of Atmospheric Ammonia(NH_(3)) as Observed by the HIRAS/FY-3D Satellite

在线全文

学校读者我要写书评

暂无评论

Advances in Atmospheric Sciences 2024年第3期41卷 379-390页

作者： minqiang ZHOU Zhili deng Charles ROBERT Xingying ZHANG Lu ZHANG Yapeng WANG Chengli QI Pucai WANG Martine De MAZIÈRE Institute of Atmospheric Physics Chinese Academy of SciencesBeijing 100029China Royal Belgian Institute for Space Aeronomy(BIRA-IASB) Brussels 1180Belgium National Satellite Meteorology Center China Meteorological AdministrationBeijing 100081China Department of Science&Technology and Climate Change China Meteorological AdministrationBeijing 100081China University of Chinese Academy of Sciences Beijing 100049China

Atmospheric ammonia(NH_(3)) is a chemically active trace gas that plays an important role in the atmospheric environment and climate change. Satellite remote sensing is a powerful technique to monitor NH_(3) concentration based on the absorption lines of NH_(3) in the thermal infrared region. In this study, we establish a retrieval algorithm to derive the NH_(3)column from the Hyperspectral Infrared Atmospheric Sounder(HIRAS) onboard the Chinese Feng Yun(FY)-3D satellite and present the first atmospheric NH_(3) column global map observed by the HIRAS instrument. The HIRAS observations can well capture NH_(3) hotspots around the world, e.g., India, West Africa, and East China, where large NH_(3) emissions exist. The HIRAS NH_(3) columns are also compared to the space-based Infrared Atmospheric Sounding Interferometer(IASI)measurements, and we find that the two instruments observe a consistent NH_(3) global distribution, with correlation coefficient(R) values of 0.28–0.73. Finally, some remaining issues about the HIRAS NH_(3) retrieval are discussed.

关键词： ammonia HIRAS/FY-3D satellite thermal-infrared observation remote sensing optimal estimation method

基于MED和自适应VMD的行星齿轮箱故障诊断方法

在线全文

学校读者我要写书评

暂无评论

东南大学学报（自然科学版） 2020年第4期50卷 698-704页

作者：朱静邓艾东邓敏强程强刘洋东南大学能源与环境学院南京210096 东南大学火电机组振动国家工程研究中心南京210096

为解决变分模态分解(VMD)在行星齿轮箱故障特征频率提取过程出现的鲁棒性低及分解个数不确定的问题,提出一种基于最小熵反褶积(MED)和自适应变分模态分解(AVMD)的齿轮箱故障诊断方法.首先通过MED对信号进行降噪,突出故障信号特征;采用... 详细信息

为解决变分模态分解(VMD)在行星齿轮箱故障特征频率提取过程出现的鲁棒性低及分解个数不确定的问题,提出一种基于最小熵反褶积(MED)和自适应变分模态分解(AVMD)的齿轮箱故障诊断方法.首先通过MED对信号进行降噪,突出故障信号特征;采用瞬时频率的新定义及变差概念,自适应选择VMD的级数;使用VMD方法将行星齿轮箱的断齿故障信号分解为若干个本征模态函数(IMF)分量;根据相关系数分析选取带有故障信号的IMF分量,对其进行包络谱分析,以提取故障特征频率.仿真信号和试验信号分析结果表明,使用MED去噪后信号的峰值信噪比提高了10%,解决了传统VMD个数经验选择出现的误差问题,从而实现此过程自适应化,解决了VMD在强噪声下针对非线性非平稳信号鲁棒性低的问题,准确提取了风电齿轮箱的故障特征频率.

关键词：行星齿轮箱最小熵反褶积变分模态分解故障诊断

在线全文

学校读者我要写书评

暂无评论

基于频率诱导变分模态分解的齿轮箱故障诊断

东南大学学报（自然科学版） 2023年第4期53卷 702-708页

作者：马天霆孙振波邓艾东邓敏强东南大学能源与环境学院南京210096 东南大学火电机组振动国家工程研究中心南京210096 国能太仓发电有限公司苏州215000

针对风电传动系统齿轮箱的故障诊断问题,在脉冲激励响应的基础上提出了一种频率诱导变分模态分解(FIVMD)方法,并将其应用于齿轮箱故障特征提取.首先,根据振动信号傅里叶谱的极大值分布估计齿轮箱系统的自振频率;然后,将固有频率的估计... 详细信息

针对风电传动系统齿轮箱的故障诊断问题,在脉冲激励响应的基础上提出了一种频率诱导变分模态分解(FIVMD)方法,并将其应用于齿轮箱故障特征提取.首先,根据振动信号傅里叶谱的极大值分布估计齿轮箱系统的自振频率;然后,将固有频率的估计值作为各模态分量中心频率的初始化位置,并通过交替乘子法将原始信号自适应分解为本征模态函数;其次,通过希尔伯特变换对各本征模态函数求包络谱,并计算其故障特征频率比;最后,挑选出故障特征频率比最大的模态分量,并根据其包络谱特征实现齿轮箱故障的有效识别.以维斯塔斯某3 MW风电机组圆柱齿轮断齿故障为例,验证了FIVMD在工程应用中的有效性和优越性.

关键词：风电机组状态监测齿轮箱故障诊断变分模态分解

基于PSO-SEBD的风电机组滚动轴承故障诊断

在线全文

学校读者我要写书评

暂无评论

振动与冲击 2023年第7期42卷 281-288页

作者：王鹏程邓艾东凌峰邓敏强刘洋大型发电装备安全运行与智能测控国家工程研究中心南京210096 东南大学能源与环境学院南京210096

滚动轴承作为风电机组传动系统的关键部件,其健康状态监测对整个机组的安全稳定运行至关重要。针对滚动轴承的故障诊断问题,在基于先验未知盲反卷积技术的包络谱重复瞬态循环平稳性提取方法(extracting cyclo-stationarity of repetitiv... 详细信息

滚动轴承作为风电机组传动系统的关键部件,其健康状态监测对整个机组的安全稳定运行至关重要。针对滚动轴承的故障诊断问题,在基于先验未知盲反卷积技术的包络谱重复瞬态循环平稳性提取方法(extracting cyclo-stationarity of repetitive transients from envelope spectrum based on prior-unknown blind deconvolution technique,SEBD)的基础上,提出了一种基于粒子群算法(particle swarm optimization,PSO)寻优的SEBD滚动轴承故障诊断方法,实现SEBD滤波器长度自适应选择。以最大故障特征频率比(characteristic frequency ratio,CFR)作为适应度函数,利用PSO算法对滤波器长度进行寻优;利用获得的最优滤波器长度进行SEBD处理;根据SEBD处理后信号的包络谱特征实现轴承故障的有效识别。通过对仿真信号和德国帕德博恩大学公开轴承故障数据进行分析,验证了PSO-SEBD的有效性。通过与几种常用的诊断方法对比以及噪声环境下分析,表明该方法具有较好的诊断性能和抗噪声能力。

关键词：滚动轴承故障诊断盲反卷积技术粒子群算法

基于BFD和MSCNN的风电滚动轴承智能故障诊断

在线全文

学校读者我要写书评

暂无评论

东南大学学报（自然科学版） 2021年第3期51卷 521-528页

作者：邓敏强邓艾东朱静史曜炜马天霆东南大学能源与环境学院南京210096 东南大学火电机组振动国家工程研究中心南京210096 国华太仓发电有限公司苏州215000

针对变工况下风电滚动轴承的健康状态评估问题,提出了一种基于带宽傅里叶分解(BFD)和多尺度卷积神经网络(MSCNN)的智能故障诊断方法.首先,通过BFD算法将原始振动信号分解为一系列带宽模态函数(BMF);然后,通过希尔伯特阶次变换(HOT)计算... 详细信息

针对变工况下风电滚动轴承的健康状态评估问题,提出了一种基于带宽傅里叶分解(BFD)和多尺度卷积神经网络(MSCNN)的智能故障诊断方法.首先,通过BFD算法将原始振动信号分解为一系列带宽模态函数(BMF);然后,通过希尔伯特阶次变换(HOT)计算各BMF的包络阶次谱,并根据特征阶次比筛选出分解结果中包含故障信息最多的有效分量.最后,通过MSCNN学习有效分量的包络阶次谱与故障类别之间的映射关系以实现滚动轴承健康状态的自动识别.实验结果表明,所提方法采用BFD分解结果的包络阶次谱作为故障识别的特征量,能有效提高模型在不同工况下的泛化能力,其测试准确率达到97%以上,可应用于变工况条件下风电滚动轴承的智能故障诊断.

关键词：风电滚动轴承故障诊断带宽傅里叶分解多尺度卷积神经网络

在线全文

学校读者我要写书评

暂无评论

基于多尺度和注意力机制的滚动轴承故障诊断

东南大学学报（自然科学版） 2022年第1期52卷 172-178页

作者：丁雪邓艾东李晶邓敏强徐硕史曜炜东南大学能源与环境学院南京210096 东南大学火电机组振动国家工程研究中心南京210096 南京审计大学信息工程学院南京211815

针对滚动轴承信号易受噪声干扰和智能诊断模型在不同工况下自适应性差的问题,提出了一种多尺度注意力卷积神经网络(MSACNN)模型.首先,将一维时间序列转化为二维图像作为模型的输入,在特征提取过程中,利用多尺度卷积结构拓宽网络的宽度... 详细信息

针对滚动轴承信号易受噪声干扰和智能诊断模型在不同工况下自适应性差的问题,提出了一种多尺度注意力卷积神经网络(MSACNN)模型.首先,将一维时间序列转化为二维图像作为模型的输入,在特征提取过程中,利用多尺度卷积结构拓宽网络的宽度并实现不同维度敏感特征的提取;然后,通过注意力机制对数据不同维度的特征赋予不同的权重,使模型更关注于最具类别区分度的区域,从而提高模型的特征学习能力;最后,通过全连接层的多分类函数实现滚动轴承的故障诊断.实验结果表明:与其他方法相比,该模型不仅能在同负载各测试集上达到很高的准确率,而且在变负载工况下具有较强的迁移泛化能力和鲁棒性;该模型在强噪声环境下也具有良好的诊断性能,较其他方法抗噪性优势明显.此外,通过可视化方法分析了该模型的特征学习过程和故障分类机理.

关键词：滚动轴承故障诊断多尺度特征提取注意力机制卷积神经网络

在线全文

学校读者我要写书评

暂无评论

基于模型融合的风电机组齿轮箱故障诊断

太阳能学报 2022年第1期43卷 64-72页

作者：孙文卿邓艾东邓敏强刘洋程强东南大学能源与环境学院火电机组振动国家工程研究中心南京210096

针对单视角特征及单一模型对齿轮箱复合故障的诊断准确率较低的问题,提出基于比例冲突分配规则的模型融合故障诊断方法。首先,对齿轮箱振动信号进行特征提取,针对复杂复合故障,从时域及时频域角度构造特征;然后,将多视角特征送入多个子... 详细信息

针对单视角特征及单一模型对齿轮箱复合故障的诊断准确率较低的问题,提出基于比例冲突分配规则的模型融合故障诊断方法。首先,对齿轮箱振动信号进行特征提取,针对复杂复合故障,从时域及时频域角度构造特征;然后,将多视角特征送入多个子模型中进行初步诊断,得到互补性强的诊断结果;最后,模型输出的分类概率由第6类比例冲突分配规则(PCR6)进行融合。实验证明该融合模型所得出的结果稳定性较高,并在一定条件下可提高故障诊断的准确率。

关键词：风电机组故障诊断信息融合齿轮箱 PCR6

基于RSIFICA的行星齿轮箱故障诊断方法

在线全文

学校读者我要写书评

暂无评论

东南大学学报（自然科学版） 2020年第2期50卷 377-384页

作者：朱静邓艾东邓敏强翟怡萌孙文卿王姗东南大学火电机组振动国家工程研究中心南京210096 中国能源建设集团安徽省电力设计院合肥230601

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... 详细信息

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.

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