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

基于EMD和分形维数的转子系统故障诊断

中国机械工程 2005年第12期16卷 1088-1091页

作者：程军圣于德介杨宇湖南大学长沙410082

提出了一种基于EMD方法和分形维数的转子系统故障诊断方法。利用EMD方法将转子振动信号进行分解,得到若干个基本模式分量,然后将包含主要故障信息的几个基本模式分量相加得到降噪后的转子振动信号,求得降噪后的转子振动信号的分形维数... 详细信息

提出了一种基于EMD方法和分形维数的转子系统故障诊断方法。利用EMD方法将转子振动信号进行分解,得到若干个基本模式分量,然后将包含主要故障信息的几个基本模式分量相加得到降噪后的转子振动信号,求得降噪后的转子振动信号的分形维数。试验数据的分析结果表明,在不同的故障状态下,采用EMD方法对转子振动信号降噪后求得的分形维数是不同的,从而可以通过分形维数的大小有效地判断转子系统的工作状态和故障类型。

关键词： EMD方法分形维数转子系统故障诊断

在线全文

学校读者我要写书评

暂无评论

基于小波变换的时-能密度分析

振动工程学报 2001年第1期14卷 109-112页

作者：于德介程军圣湖南大学振动中心长沙410082

能量是信号分析的一个重要物理量 ,它随时间和频率的分布反映了信号的特征。本文在小波变换的基础上提出了时 -能密度分析的新方法 ,该方法能够分析信号在不同频带内的能量随时间的分布情况 ,从而能提取信号特征。滚动轴承故障信号的仿... 详细信息

能量是信号分析的一个重要物理量 ,它随时间和频率的分布反映了信号的特征。本文在小波变换的基础上提出了时 -能密度分析的新方法 ,该方法能够分析信号在不同频带内的能量随时间的分布情况 ,从而能提取信号特征。滚动轴承故障信号的仿真和实际运用都能表明时

关键词：小波变换滚动轴承故障特征故障振动能量时-能密度分析信号分析

在线全文

学校读者我要写书评

暂无评论

基于噪声辅助分析的总体局部均值分解方法

机械工程学报 2011年第3期47卷 55-62页

作者：程军圣张亢杨宇湖南大学汽车车身先进设计制造国家重点实验室长沙410082

局部均值分解(Local mean decomposition,LMD)方法是一种新的自适应时频分析方法,但在其实现过程中会发生模态混淆现象,使分析结果失真。通过数值试验得到了LMD对白噪声的滤波器组结构,并在此基础上,针对模态混淆现象提出总体局部均值分... 详细信息

局部均值分解(Local mean decomposition,LMD)方法是一种新的自适应时频分析方法,但在其实现过程中会发生模态混淆现象,使分析结果失真。通过数值试验得到了LMD对白噪声的滤波器组结构,并在此基础上,针对模态混淆现象提出总体局部均值分解(Ensemble local mean decomposition,ELMD)方法。在该方法中添加不同的白噪声到目标信号,分别对加噪后的信号进行LMD分解,最后将多次分解结果的平均值作为最终的分解结果。对仿真信号和试验转子局部碰摩信号进行分析,结果表明ELMD方法能有效地克服原LMD方法的模态混淆现象。

关键词：局部均值分解模态混淆白噪声滤波器组总体局部均值分解

基于解析有限元的齿根裂纹时变啮合刚度计算方法

在线全文

学校读者我要写书评

暂无评论

机械工程学报 2018年第23期54卷 56-62页

作者：吴家腾杨宇程军圣湖南大学汽车车身先进设计制造国家重点实验室

当齿轮发生故障时,时变啮合刚度的变化能够反映齿轮故障特征大小。因此,时变啮合刚度在齿轮传动过程中是一个重要的动力学参数。提出一种新的齿根裂纹啮合刚度计算方法,即解析有限元法(Analytical-finite element method, A-FM)。考虑... 详细信息

当齿轮发生故障时,时变啮合刚度的变化能够反映齿轮故障特征大小。因此,时变啮合刚度在齿轮传动过程中是一个重要的动力学参数。提出一种新的齿根裂纹啮合刚度计算方法,即解析有限元法(Analytical-finite element method, A-FM)。考虑到齿轮发生故障时,啮合刚度解析模型计算精度较低,将应力强度因子引入裂纹齿轮的啮合刚度计算过程。首先定义应力强度因子与啮合刚度之间的关系,通过建立齿轮接触模型计算裂纹尖端附近的应力强度因子,然后将计算结果替代解析模型中故障刚度部分。由于应力强度因子能够敏感地识别齿根裂纹的局部微小变化,故该方法相比于解析法具有更高的计算精度,相比于有限元法具备更快的计算效率。同时,建立6自由度动力学模型,通过对其振动响应进行分析,仿真结果验证了所提方法的可行性。

关键词：解析有限元法时变啮合刚度应力强度因子动力学建模

基于参数反求的齿轮裂纹时变啮合刚度计算方法

在线全文

学校读者我要写书评

暂无评论

中国机械工程 2019年第24期30卷 2916-2924页

作者：吴家腾杨宇程军圣湖南大学汽车车身先进设计制造国家重点实验室

基于齿根应变测试技术和优化理论提出了齿轮时变啮合刚度反求计算方法,并将其应用于齿轮故障机理研究。构建了齿根动态应力与时变啮合刚度反问题模型,并搭建齿轮裂纹故障应变测试实验台来采集齿根应变;建立了相对应的有限元模型并将计... 详细信息

基于齿根应变测试技术和优化理论提出了齿轮时变啮合刚度反求计算方法,并将其应用于齿轮故障机理研究。构建了齿根动态应力与时变啮合刚度反问题模型,并搭建齿轮裂纹故障应变测试实验台来采集齿根应变;建立了相对应的有限元模型并将计算应变与测量应变代入反问题模型,从而实现齿轮啮合刚度的反向求解。计算结果表明,相比解析法和有限元法,所提方法显著提高了求解精度并且具备更高的可靠性。建立了齿根裂纹故障的齿轮系统动力学模型,通过对动力学响应进行时域及频域分析来揭示齿轮裂纹故障机理。

关键词：齿轮裂纹时变啮合刚度反求计算应变测试动力学分析

基于局部特征尺度分解的经验包络解调方法及其在机械故障诊断中的应用

在线全文

学校读者我要写书评

暂无评论

机械工程学报 2012年第19期48卷 87-94页

作者：程军圣郑近德杨宇湖南大学汽车车身先进设计制造国家重点实验室长沙410082

提出一种基于局部特征尺度分解(Local characteristic-scale decomposition,LCD)和经验包络(Empirical envelope method,EE)解调的非平稳信号分析方法。该方法通过局部特征尺度分解将一个复杂信号自适应地分解为若干个内禀尺度分量之和... 详细信息

提出一种基于局部特征尺度分解(Local characteristic-scale decomposition,LCD)和经验包络(Empirical envelope method,EE)解调的非平稳信号分析方法。该方法通过局部特征尺度分解将一个复杂信号自适应地分解为若干个内禀尺度分量之和,对得到的各个内禀尺度分量进行经验包络解调,得到各个分量信号的瞬时幅值和瞬时频率信息,从而得到原始信号完整的时频分布。采用仿真信号将基于LCD和EE解调的时频分析方法和希尔伯特黄变换方法进行对比,结果表明,新提出的信号分解和解调方法在抑制端点效应和迭代所需时间,瞬时特征的精确性等方面优于希尔伯特黄变换方法。针对滚动轴承和齿轮故障振动信号的调制特点,将基于LCD和EE的时频分析方法引入机械故障诊断中,对试验信号的分析结果表明,基于LCD和EE的时频分析方法能有效地提取机械故障振动信号的特征。

关键词：时频分析局部特征尺度分解瞬时频率经验包络法故障诊断

在线全文

学校读者我要写书评

暂无评论

基于EMD的时频熵在齿轮故障诊断中的应用

振动与冲击 2005年第5期24卷 26-27,29页

作者：于德介张嵬程军圣杨宇湖南大学机械与汽车工程学院长沙410082

提出了一种基于EMD(EmpiricalModeDecomposition)方法的时频熵齿轮故障诊断方法。首先利用EMD方法分解齿轮振动信号,然后将得到的内禀模态分量进行Hilbert变换,以得到振动信号的时频分布,将信息熵理论引入时频分布,定量描述时频平面上... 详细信息

提出了一种基于EMD(EmpiricalModeDecomposition)方法的时频熵齿轮故障诊断方法。首先利用EMD方法分解齿轮振动信号,然后将得到的内禀模态分量进行Hilbert变换,以得到振动信号的时频分布,将信息熵理论引入时频分布,定量描述时频平面上不同时频段的能量分布,各时频段能量分布的均匀性可以反应齿轮的运行状态的差别,从而可以通过时频熵的大小判断齿轮的工作状态和故障类型。实验证明该方法能有效的判断齿轮故障特征,为齿轮故障诊断提供了新的思路。

关键词： EMD方法 Hilbert变换信息熵齿轮

全参数动态学习深度信念网络在滚动轴承寿命预测中的应用

在线全文

学校读者我要写书评

暂无评论

振动与冲击 2019年第10期38卷 199-205,249页

作者：杨宇张娜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

相对于传统的"对信号进行特征提取+人工选择对数据敏感的特征值+预测模型"的滚动轴承寿命预测方法,深度信念网络(DBN)有显著的优势:DBN可以直接处理原始数据,让机器自动学习信号特征,从而免去了特征提取和选择的过程,提高了预测的智能... 详细信息

相对于传统的"对信号进行特征提取+人工选择对数据敏感的特征值+预测模型"的滚动轴承寿命预测方法,深度信念网络(DBN)有显著的优势:DBN可以直接处理原始数据,让机器自动学习信号特征,从而免去了特征提取和选择的过程,提高了预测的智能性。但是传统的DBN采用固定学习率进行网络学习,不利于寻找最优结果;基于此,提出了一种改进的深度信念网络——全参数动态学习深度信念网络(GPDLDBN),并将其应用于滚动轴承寿命预测中。GPDLDBN预测模型由多层受限玻尔兹曼机(RBM)单元组成,采用自下而上的逐层无监督贪婪算法训练参数;接着采用自上而下的监督学习算法微调整个网络参数,两个过程均采用新的全参数动态学习策略设置各参数;采用GPDLDBN预测模型对实测的滚动轴承寿命数据进行了预测,并与传统的固定学习率的DBN预测模型进行了对比分析。结果表明,GPDLDBN预测模型能够有效加快收敛速度,减少模型的训练时间,且具有更高的预测精度。

关键词：深度学习全参数动态学习深度信念网络(GPDLDBN) 滚动轴承寿命预测

局部特征尺度分解方法及其在齿轮故障诊断中的应用

在线全文

学校读者我要写书评

暂无评论

机械工程学报 2012年第9期48卷 64-71页

作者：程军圣杨怡杨宇湖南大学汽车车身先进设计制造国家重点实验室长沙410082

在定义瞬时频率具有物理意义的单分量信号——内禀尺度分量(Intrinsic scale component,ISC)的基础上,提出一种新的自适应信号分解方法——局部特征尺度分解(Local characteristic-scale decomposition,LCD)。LCD方法可以自适应地将任... 详细信息

在定义瞬时频率具有物理意义的单分量信号——内禀尺度分量(Intrinsic scale component,ISC)的基础上,提出一种新的自适应信号分解方法——局部特征尺度分解(Local characteristic-scale decomposition,LCD)。LCD方法可以自适应地将任何一个复杂信号分解为若干个瞬时频率具有物理意义的ISC分量之和,非常适合于处理多分量的调幅—调频信号。当齿轮发生故障时,其振动信号一般为多分量的调幅—调频信号,因此局部特征尺度分解方法可以有效地应用于齿轮故障诊断。对LCD和经验模态分解(Empirical mode decomposition,EMD)、局部均值分解(Local mean decomposition,LMD)方法进行对比,结果表明了LCD方法的优越性。同时,针对齿轮故障振动信号的调制特征,将LCD方法和包络分析法相结合应用于齿轮故障诊断,对实际的齿轮故障振动信号进行分析,结果表明LCD方法可以有效地应用于齿轮故障诊断。

关键词：内禀尺度分量局部特征尺度分解自适应信号分解调制齿轮故障诊断