检索结果-南通市图书馆

作者：冯刚北京工业大学

学位级别：硕士

行星齿轮箱是旋转机械中的重要部件之一。由于行星齿轮箱既可以将传动速比降低,又可以将扭力成比例的增大,因此在旋转机械如风力发电机,汽车变速器等都有着广泛的应用。由于行星齿轮箱需满足机械设备的复杂工作需求,因此运行时一般处于... 详细信息

行星齿轮箱是旋转机械中的重要部件之一。由于行星齿轮箱既可以将传动速比降低,又可以将扭力成比例的增大,因此在旋转机械如风力发电机,汽车变速器等都有着广泛的应用。由于行星齿轮箱需满足机械设备的复杂工作需求,因此运行时一般处于非平稳工况下,从而导致行星齿轮箱振动信号成分更加复杂。行星齿轮箱在工作过程中受到主观和客观因素的影响,其转速往往是非稳态的,从而增加了在振动信号中提取故障特征的难度。因此,对变转速行星齿轮箱的故障诊断方法进行研究是非常必要的。目前,非平稳工况下的行星齿轮箱故障诊断主要有两个难点,一是转速变化使得信号的时间频率结构更加复杂,故障征兆模糊,此时采用稳态信号处理方法会发生误判;二是复杂的工作环境给信号带来了强干扰,使得信噪比降低,故障特征难以提取。因此,需要尽量消除非平稳工况下振动信号由转速变化带来的影响,并选取合适的去噪方法提高强噪声混杂信号的信噪比。本文针对变转速行星齿轮箱的轮齿故障信号特性,从消除转速变化对信号处理过程的影响以及降低噪声对信号的干扰出发,提出了一种基于转域重采样和改进vmd技术相结合的行星齿轮箱故障诊断的系统化方法。主要研究内容如下:（1）针对传统计算阶次分析中角域重采样的采样精度不足问题,提出转域重采样对重采样环节进行改进,提高了重采样的精确度,即提高了计算阶次分析的精确度,再将转域重采样得到的转域信号转换为类定转速的阶次信号;解决变转速信号无法应用传统稳态信号处理方法问题,消除了转速变化对故障特征频率的影响。（2）利用变分模态分解（vmd）将转换后的阶次信号进行滤波处理,解决变转速信号中存在的强干扰信号问题,在vmd的关键参数选取中使用能量法评估原信号分解后分量的能量与原信号能量的一致性,从而判断vmd分解程度是否适宜,避免出现因过分解产生虚假分量或因欠分解引起模态混叠的情况。确认vmd分解层数后选取合适分量进行信号重构,提高了信号中的信噪比。（3）对于信号经过vmd分解后所产生的分量,使用D-S理论融合多个指标并利用融合指标对各分量进行量化评价。选用的峭度,相关系数与排列熵,分别评价分解得到的IMF的冲击性、原信号相关性和复杂程度。降低了单指标对信号分量评价的偶然误差,提高了信号重构的可靠性。对选取的指标使用D-S理论进行加权融合后,确认分量评价的选取标尺并对各分量进行评价,确认各分量是否满足评价表示,适合参与信号重构。

关键词：变转速行星齿轮箱改进阶次分析改进vmd D-S理论故障诊断

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

改进自适应vmd和TLS-ESPRIT的风电系统次/超同步振荡参数辨识

引用

高电压技术 2024年

作者：李文博钱伟荣李淑蓉沙鹏程邓军波张冠军电工材料电气绝缘国家重点实验室(西安交通大学)

为解决现有辨识方法在针对耦合的次/超同步振荡参数提取过程中的噪声适应性差和模态混叠问题，本文提出了一种自适应的变分模态分解法（Variational mode decomposition， vmd），定义残差损失总熵、中心频率的切比雪夫距离以及边缘熵... 详细信息

为解决现有辨识方法在针对耦合的次/超同步振荡参数提取过程中的噪声适应性差和模态混叠问题，本文提出了一种自适应的变分模态分解法（Variational mode decomposition， vmd），定义残差损失总熵、中心频率的切比雪夫距离以及边缘熵共同决定分解模态数和带宽，结合最小二乘-旋转不变技术（TLS-ESPRIT）对分解出的振荡分量进行参数辨识，无需另外使用降噪算法。通过复合信号测试法、PSCAD/EMTDC电磁暂态仿真法验证了本文所提方法的有效性。最后，将本文所提方法与改进Prony算法、MCEEMD法在不同噪声水平和振荡频率下进行对比，结果表明，所提方法能够有效地抑制原始信号的噪声干扰，对耦合的次/超同步振荡信号分解更加准确，参数辨识结果可靠性较高，对风电系统振荡溯源、改善系统阻尼具有一定的参考意义。

关键词： SSSO 改进vmd 损失总熵 TLS-ESPRIT 模态混叠

来源：

同方期刊数据库评论

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于自适应vmd和WVD的配电网故障行波检测方法

引用

电力科学与技术学报 2024年第2期39卷 80-90页

作者：张帝宋兴荣唐海国李泽文孙健彭维馨国网湖南省电力有限公司电力科学研究院湖南长沙410004 长沙理工大学电气与信息工程学院湖南长沙410114

精确检测故障行波信号是保证故障定位结果准确可靠的重要因素,针对Wigner Ville分布(Wigner Ville distribution,WVD)在检测故障行波时易产生交叉项的问题,提出一种基于改进变分模态分解(variational mode decomposition,vmd)和WVD的故... 详细信息

精确检测故障行波信号是保证故障定位结果准确可靠的重要因素,针对Wigner Ville分布(Wigner Ville distribution,WVD)在检测故障行波时易产生交叉项的问题,提出一种基于改进变分模态分解(variational mode decomposition,vmd)和WVD的故障行波检测方法。首先,通过波形相似性确定vmd参数的选取,利用改进的vmd对线模行波信号自适应分解,实现对故障行波不同频段信号提取的同时保留重要故障信息;然后,分别求取各分量信号的WVD后叠加得到原始信号的WVD,由此解决WVD交叉项带来的影响;最后求取vmd-WVD能量谱密度分布,利用WVD良好的时频聚集性检测故障行波[150,170]kHz频段波头位置,从而实现故障行波波头的精准检测。仿真实验结果表明,该文所提方法相比小波和HHT的故障行波检测方法更加快速、准确。

关键词：配电网行波检测改进vmd WVD

来源：

维普期刊数据库

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

滚动轴承性能退化评估及寿命预测方法研究

滚动轴承性能退化评估及寿命预测方法研究

引用

作者：曹昆明合肥工业大学

学位级别：硕士

滚动轴承是旋转机械当中的重要部件,其在工业、航天、交通等行业应用十分广泛,但轴承在重载荷作用下又极易损坏。为了确保旋转机械设备的稳定运行,减少企业财产损失,避免安全事故的发生,有必要对滚动轴承运行状态的监测以及剩余寿命的... 详细信息

滚动轴承是旋转机械当中的重要部件,其在工业、航天、交通等行业应用十分广泛,但轴承在重载荷作用下又极易损坏。为了确保旋转机械设备的稳定运行,减少企业财产损失,避免安全事故的发生,有必要对滚动轴承运行状态的监测以及剩余寿命的预测进行深入研究。本文以实现轴承的健康状态评估以及剩余寿命预测为目标,提取对早期故障敏感的健康状态指标结合相关图谱进行评估;以及选择合适的数据驱动方法对轴承进行剩余寿命预测,本论文将从这两个方面展开研究。(1)由于轴承数据在极大的背景噪声干扰下采集,因此本文提出基于改进的变分模态分解方法进行信号降噪及方法改进。针对变分模态分解(vmd)时固有模态函数(IMF)的层数K以及参数惩罚因子α不易选取的问题,提出由遗传算法优化vmd的参数惩罚因子α,以各IMF分量的包络熵作为适应度函数确定出最佳惩罚因子;再结合谱相关系数法以各IMF分量与原始信号间谱相关系数的最小值作为分解停止条件确定K层IMF分量,提高了vmd的分解精度,与中心频率法对比验证该方法的有效性,解决了vmd分解层数无法自适应选择的问题。并在改进vmd方法基础上提取时频域特征,结合时域、频域特征,依据U统计方法和切比雪夫原理确定阈值预警线进行轴承退化趋势对比分析。(2)提取10个时域、4个频域、14×K个时频域特征指标(K为vmd分解层数),根据趋势性特征以及阈值线筛选出能表征性能退化的指标,为了防止退化特征冗余对评估产生影响,通过主成分分析实现特征降维,低维特征通过平均移动滤波进行平滑处理,再结合马氏距离和健康指数实现轴承健康状态的评估。针对浅层神经网络以及单一特征指标不能充分提取信号深层特征的问题,在LSTM基础上提出堆栈长短时记忆神经网络(SLSTM)作为预测模型,通过模型均方根误差选取迭代次数、学习率、dropout随机失活概率、堆栈层数以及每层神经元数量等参数,对比Adam与RMSProp算法选择合适的优化器反向优化调参,最后与BP网络、支持向量机等预测模型进行对比,结果显示该方法更擅长处理复杂的非线性问题;并将该模型回归层更换为softmax层与分类层,实现轴承多种故障的智能分类。

关键词：滚动轴承主成分分析改进vmd 遗传算法堆栈长短时记忆神经网络

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

变分模态分解在磁瓦内部缺陷声振检测中的应用

变分模态分解在磁瓦内部缺陷声振检测中的应用

引用

作者：冉茂霞四川轻化工大学

学位级别：硕士

磁瓦是永磁电机中的核心元件,有着广泛的市场和需求。由于磁瓦的制造工艺复杂,磁瓦成品不可避免会带有瑕疵或缺陷,这些结构上的不足会严重影响磁瓦产品的性能与效益。磁瓦内部缺陷具有不可见、分布随机、程度不一的特点,致使相关的自动... 详细信息

磁瓦是永磁电机中的核心元件,有着广泛的市场和需求。由于磁瓦的制造工艺复杂,磁瓦成品不可避免会带有瑕疵或缺陷,这些结构上的不足会严重影响磁瓦产品的性能与效益。磁瓦内部缺陷具有不可见、分布随机、程度不一的特点,致使相关的自动检测技术发展缓慢。现阶段大多数企业针对磁瓦内部缺陷仍采用人工的方式进行检测。为改善人工检测带来的困境,本文以磁瓦声振信号为研究对象,利用信号处理算法实现磁瓦内部缺陷的有效识别。本文的主要研究内容如下:(1)通过实验对比常用的信号分解算法,综合分解效果和速度两方面,选择变分模态分解(Variational mode decomposition,vmd)作为最终的信号分解算法。但vmd的分解性能受制于预设参数,因此本文针对该问题对vmd展开了具体的讨论。(2)方法1:提出一种结合vmd、粒子群优化(Particle swarm optimization,PSO)和随机森林(Random forest,RF)的信号分析方法。该方法首先以模态能量和相邻模态中心频率差值构建代表vmd处理性能的适应度函数,再利用该函数配合PSO对vmd的分解参数进行优化;然后由优化参数执行信号的最优分解并通过计算模态能量筛选有效的特征模态,继而从中提取能够反映磁瓦内部缺陷的特征信息;最后由RF分类器对这些特征进行识别并对内部缺陷的存在情况做出判断。实验结果表明,该方法对四类磁瓦的测试样本识别率均为100%,单片磁瓦检测所需的平均时间为3.4s,能达到准确、高效地检测磁瓦内部缺陷的目的。(3)方法2:PSO结合适应度函数虽然能够有效确定vmd分解参数,但寻优过程复杂且耗时较长,为解决这一问题提出一种循环分解策略来简化vmd的参数优化过程。该方法通过固定惩罚参数来反复执行只产生一个模态的vmd分解,每次分解的对象为原信号去除历次模态后的残余信号,并以由模态能量和相关性所确定的阈值条件来终止循环,最后将所有模态和剩余信号整合为信号分解结果。从结果可知,该方法可全面分解出磁瓦声振信号中表征内部缺陷的不同频率成分,同时预设参数的选择变得更为简单、灵活,整个检测算法对四类磁瓦样本的平均识别率为99.11%,平均检测速度为4.08s/片。

关键词：磁瓦声振检测改进vmd 循环分解特征提取

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：