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

第二代小波包构造及发动机微弱损伤识别

北京航空航天大学学报 2007年第7期33卷 777-780页

作者：姜洪开王仲生西北工业大学航空学院西安710072

针对航空发动机滚动轴承微弱损伤识别问题,设计了一种识别滚动轴承早期损伤的第二代小波包方法.构造了第二代小波包分解重构算法和第二代小波包算子计算方法;将滚动轴承振动信号进行第二代小波包分解,然后各个频带分解信号分别进行重构... 详细信息

针对航空发动机滚动轴承微弱损伤识别问题,设计了一种识别滚动轴承早期损伤的第二代小波包方法.构造了第二代小波包分解重构算法和第二代小波包算子计算方法;将滚动轴承振动信号进行第二代小波包分解,然后各个频带分解信号分别进行重构;利用希尔伯特变换解调分析各频带信号,得到对应频带信号的包络谱;计算各个频带中滚动轴承故障特征频率对应包络谱幅值的分贝值,提取各频带中故障特征频率对应分贝值的最大值,对滚动轴承早期损伤情况做出定量识别.仿真信号和试验信号分析表明,该识别方法结果可靠,能准确识别出滚动轴承早期损伤.

关键词：航空发动机第二代小波包损伤识别

在线全文

学校读者我要写书评

暂无评论

基于改进粒子滤波的飞机起落架损伤识别研究

西北工业大学学报 2013年第3期31卷 397-400页

作者：姜洪开何毅娜夏勇西北工业大学航空学院陕西西安710072

针对飞机起落架损伤识别问题,提出了一种识别起落架损伤的改进粒子滤波方法。首先,建立了飞机起落架动力学模型,分析起落架损伤的危险点,得到其应力响应信号;然后,采用核平滑技术和快速高斯采样法,实现非线性系统中状态与参数估计,解决... 详细信息

针对飞机起落架损伤识别问题,提出了一种识别起落架损伤的改进粒子滤波方法。首先,建立了飞机起落架动力学模型,分析起落架损伤的危险点,得到其应力响应信号;然后,采用核平滑技术和快速高斯采样法,实现非线性系统中状态与参数估计,解决了粒子滤波重采样过程中的参数粒子枯竭现象,增加了该方法运行的实时性。实验信号分析结果表明,改进粒子滤波方法能准确识别飞机起落架危险点损伤,识别精度优于传统粒子滤波方法。

关键词：飞机起落架改进粒子滤波核平滑技术快速高斯采样法损伤识别

在线全文

学校读者我要写书评

暂无评论

基于深度学习的飞行器智能故障诊断方法

机械工程学报 2019年第7期55卷 27-34页

作者：姜洪开邵海东李兴球西北工业大学航空学院

高温度、快转速、重载荷、大扰动和强冲击的复杂运行工况使得飞行器关键机械部件不可避免地发生故障。飞行器的关键机械部件故障特征往往具有微弱性、非线性、耦合性、不确定性以及因果关系复杂等特点。以“先进信号处理技术+特征提取... 详细信息

高温度、快转速、重载荷、大扰动和强冲击的复杂运行工况使得飞行器关键机械部件不可避免地发生故障。飞行器的关键机械部件故障特征往往具有微弱性、非线性、耦合性、不确定性以及因果关系复杂等特点。以“先进信号处理技术+特征提取及选择”为框架的传统智能方法难以有效承担飞行器故障检测任务,深度学习作为智能故障诊断领域中的新起之秀,能自主挖掘隐藏于原始数据中的代表性诊断信息,直接建立原始数据与运行状态间的精确映射联系,在很大程度上摆脱了对人工特征设计与工程诊断经验的依赖。介绍了深度置信网络、卷积神经网络、深度自动编码机和循环神经网这四种主流深度学习模型的基本原理,总结了深度学习在故障诊断领域中最新研究现状,描述了基于四种深度学习模型的故障诊断思路,并依次实现了其在机械部件智能诊断和预测中的应用。试验结果表明深度学习方法能有效建立监测数据与关键机械部件健康状态间的精确映射联系,实现准确的故障诊断和预测。

关键词：飞行器深度学习智能故障诊断

基于信息熵和SVM多分类的飞机液压系统故障诊断

在线全文

学校读者我要写书评

暂无评论

西北工业大学学报 2012年第4期30卷 529-534页

作者：窦丹丹姜洪开何毅娜西北工业大学航空学院陕西西安710072

飞机液压系统是典型的非线性系统,故障机理复杂,提取故障信息困难,且故障样本较少。针对飞机液压系统部件故障,文章采用了基于信息熵特征权值分配和支持向量机(SVM)多分类的故障诊断方法。先提取飞机液压系统压力信号的统计特征,然后通... 详细信息

飞机液压系统是典型的非线性系统,故障机理复杂,提取故障信息困难,且故障样本较少。针对飞机液压系统部件故障,文章采用了基于信息熵特征权值分配和支持向量机(SVM)多分类的故障诊断方法。先提取飞机液压系统压力信号的统计特征,然后通过计算特征信息熵为特征分配相应权值,将权值较大的特征作为支持向量机的输入向量,最后建立SVM多分类器将正常与多种故障状态进行分类;所采用的方法不仅有效降低了支持向量机模型的计算复杂度,而且提高了分类精度。通过建立飞机起落架收放系统仿真模型,对该故障诊断方法进行了验证研究。仿真结果表明,该方法选用高斯径向基核函数能够有效对液压系统进行故障诊断。

关键词：飞机液压系统信息熵特征权值支持向量机多分类故障诊断

在线全文

学校读者我要写书评

暂无评论

发动机转子系统早期故障智能诊断

航空学报 2009年第2期30卷 242-246页

作者：王仲生姜洪开徐一艳西北工业大学航空学院陕西西安710072

在对飞机发动机转子系统早期故障特点进行分析的基础上,针对其故障诊断中存在的故障样本不足和早期微弱故障不易识别的问题,提出将随机共振、小波包分析与支持向量机相结合的发动机转子系统早期故障诊断与智能自愈监控方法。该方法首先... 详细信息

在对飞机发动机转子系统早期故障特点进行分析的基础上,针对其故障诊断中存在的故障样本不足和早期微弱故障不易识别的问题,提出将随机共振、小波包分析与支持向量机相结合的发动机转子系统早期故障诊断与智能自愈监控方法。该方法首先利用随机共振原理对早期微弱故障信号进行特征细化,使故障特征放大;然后利用小波包多分辨率分析特性进行故障特征提取;再将提取的特征向量输入由支持向量机构造的分类器中进行故障识别,并利用智能自愈方法对故障进行监控。对智能诊断系统结构、故障特征提取方法、多故障分类器构造、故障自愈监控等进行了分析和研究。结果表明,该方法在故障样本不足情况下,能有效识别发动机转子系统的早期故障,且算法简单、故障分类识别效果好,并能对故障进行自愈监控。

关键词：飞机发动机转子早期故障特征提取故障分类识别故障智能自愈监控

基于自适应第二代小波的超声回波信号特征识别

在线全文

学校读者我要写书评

暂无评论

西北工业大学学报 2011年第1期29卷 93-96页

作者：姜洪开窦丹丹何正嘉西北工业大学航空学院陕西西安710072 西安交通大学机械工程学院陕西西安710049

文章针对强噪声背景下液压系统压力超声检测回波信号特征识别问题,构造了一种识别该类信号时域特征的自适应第二代小波方法。该方法以第二代小波为基础,以超声回波信号的峭度大小为目标函数,选择每层自适应匹配超声回波信号特征的第二... 详细信息

文章针对强噪声背景下液压系统压力超声检测回波信号特征识别问题,构造了一种识别该类信号时域特征的自适应第二代小波方法。该方法以第二代小波为基础,以超声回波信号的峭度大小为目标函数,选择每层自适应匹配超声回波信号特征的第二代小波预测器和更新器,利用选择的预测器和更新器对信号进行预测和更新运算;根据每层自适应第二代小波分解的超声回波信号噪声水平,选取自适应匹配超声回波信号噪声特点的降噪阈值,对信号进行降噪和恢复,提取信号时域特征。该方法成功地准确识别出超声回波信号回波至点的时刻和时间间隔特征信息。结果表明,第二代小波自适应阈值方法对强噪声背景下超声回波信号特征的识别效果优于经典小波方法。

关键词：适应第二代小波超声回波信号特征识别

基于自适应提升小波包的故障微弱信号特征早期识别

在线全文

学校读者我要写书评

暂无评论

西北工业大学学报 2008年第1期26卷 99-103页

作者：姜洪开王仲生何正嘉西北工业大学航空学院陕西西安710072 西安交通大学机械工程学院陕西西安710049

针对齿轮箱故障微弱信号特征识别问题,设计了一种识别该类信号微弱特征的自适应提升小波包方法。该方法以提升方法为基础,构造了提升小波包分解和重构过程算法,并以分解层信号相邻样本点自相关系数的大小作为目标函数,在每个样本点上选... 详细信息

针对齿轮箱故障微弱信号特征识别问题,设计了一种识别该类信号微弱特征的自适应提升小波包方法。该方法以提升方法为基础,构造了提升小波包分解和重构过程算法,并以分解层信号相邻样本点自相关系数的大小作为目标函数,在每个样本点上选择能够自适应匹配信号局部特性的提升小波包算子,将每个分解频带信号进行重构,识别时域故障微弱信号特征。该方法成功地识别出了某齿轮箱发生摩擦故障时隐含在振动信号中的调制波形和周期性冲击脉冲故障微弱特征。结果表明,自适应提升小波包方法对强噪声背景下故障微弱信号特征的识别效果优于经典小波包方法。

关键词：自适应提升小波包微弱信号故障特征分解信号

内对抗指导无监督多域适配网络的轴承协同故障诊断

在线全文

学校读者我要写书评

暂无评论

中国科学：技术科学 2023年第7期53卷 1229-1240页

作者：邵海东陈星恺曹鸿儒姜洪开湖南大学机械与运载工程学院长沙410082 西北工业大学民航学院西安710072

现有的轴承无监督跨域智能故障诊断研究多数是基于单源域自适应开展的,这将导致实际场景中多个拥有充足且多样化诊断信息的源域未能得到协同利用.如何更好地从多个源域中提取到故障轴承的共性特征并融合多源域知识协同诊断是主要挑战.... 详细信息

现有的轴承无监督跨域智能故障诊断研究多数是基于单源域自适应开展的,这将导致实际场景中多个拥有充足且多样化诊断信息的源域未能得到协同利用.如何更好地从多个源域中提取到故障轴承的共性特征并融合多源域知识协同诊断是主要挑战.针对上述问题,本文提出了一种内对抗指导的无监督多域适配网络;构造了一个内对抗模块以计算多源域对抗损失,并联合多组源域-目标域自适应子网指导提取多源域和目标域间的共性特征,增强知识覆盖能力;设计了一个多子网协同决策模块,利用多组源域-目标域的对抗损失和分布差异损失计算置信分数,以辅助多子网分类器做出更佳的融合决策,提升协同故障诊断的准确率.基于恒转速和变转速工况的轴承故障数据构造了多个无监督多源域迁移诊断任务,对比实验结果表明所提方法的优越性和鲁棒性.

关键词：轴承故障诊断迁移学习无监督多域自适应内对抗损失多子网协同决策

基于提升卷积神经网络的航空发动机高速轴承智能故障诊断

在线全文

学校读者我要写书评

暂无评论

航空学报 2022年第9期43卷 150-163页

作者：韩淞宇邵海东姜洪开张笑阳湖南大学机械与运载工程学院长沙410082 西北工业大学民航学院西安710072 中国航空工业集团公司西安航空计算技术研究所民机事业部西安710065

航空发动机轴承长时间工作在高速重载的恶劣条件下,将不可避免地产生性能衰退甚至引发各种故障,自动准确的航空发动机高速轴承故障诊断方法有助于提升运行安全性和维修经济性。航空发动机高速轴承的原始振动信号具有强烈的非平稳性,且... 详细信息

航空发动机轴承长时间工作在高速重载的恶劣条件下,将不可避免地产生性能衰退甚至引发各种故障,自动准确的航空发动机高速轴承故障诊断方法有助于提升运行安全性和维修经济性。航空发动机高速轴承的原始振动信号具有强烈的非平稳性,且其故障样本数量远小于健康样本,传统的智能诊断方法更容易向大样本偏斜,从而导致诊断性能的降低。针对上述问题,提出了一种基于自适应权重和多尺度卷积的提升卷积神经网络(CNN)。首先构造多尺度卷积网络提取故障样本的多尺度特征,挖掘具有识别性的有用信息;然后设计自适应权重单元对多尺度特征进行加权融合,增加重要特征的贡献度,减少非相关特征的影响;最后采用Focal Loss作为损失函数,使训练过程中网络模型更关注故障样本和易混淆样本。通过航空发动机高速轴承振动数据的测试与分析,证实了所提方法在不平衡数据故障诊断任务中的可行性。

关键词：航空发动机高速轴承智能故障诊断提升卷积神经网络不平衡数据多尺度特征提取自适应权重损失函数补偿