检索结果-南通市图书馆

基于精细复合多尺度散布熵的抗蛇行减振器故障诊断

在线全文

学校读者我要写书评

暂无评论

铁道科学与工程学报 2024年第10期21卷 4334-4343页

作者：岑潮宇代亮成池茂儒赵明花郭兆团曾鹏程西南交通大学轨道交通运载系统全国重点实验室四川成都610031

抗蛇行减振器作为高速列车关键悬挂元件在减轻列车横向振动提高安全性和稳定性上有重要作用,为实现对抗蛇行减振器故障进行精确诊断,针对非线性振动信号故障特征不明显的问题,提出一种自适应噪声完备集合经验模态分解(Complete ensemble... 详细信息

抗蛇行减振器作为高速列车关键悬挂元件在减轻列车横向振动提高安全性和稳定性上有重要作用,为实现对抗蛇行减振器故障进行精确诊断,针对非线性振动信号故障特征不明显的问题,提出一种自适应噪声完备集合经验模态分解(Complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)与精细复合多尺度散布熵结合的故障诊断方法。首先采用CEEMDAN分解信号得到本征模态函数(Intrinsic mode function,IMF),计算精细复合多尺度散布熵组成特征集,然后融合多个通道振动信号特征并用核主成分分析法进行降维,将降维后的特征集分成训练集和测试集,最后输入到改进麻雀算法优化的支持向量机模型中进行训练与诊断。为验证方法的可行性,以机车滚动振动试验台模拟列车运行的不同速度,设置抗蛇行减振器故障工况,通过转向架和车体多个位置传感器获得试验数据进行分析。研究结果表明,经过优选的特征集能更好地捕捉抗蛇行减振器故障的特征信息,与未经优选的特征集相比故障诊断结果正确率有所提升;多通道融合特征的方法与单通道相比反映故障信息更加全面,补偿了单一通道诊断结果精确度低的不足,进一步提高了故障诊断结果正确率;改进麻雀算法优化了模型参数,解决了参数设计的盲目性,提高了模型分类识别能力,并与其他算法相比验证了优越性。运用该方法对抗蛇行减振器进行故障诊断,能够有效诊断出抗蛇行减振器故障类型,为抗蛇行减振器故障诊断提供了一种新的方法。

关键词：抗蛇行减振器故障诊断改进麻雀算法精细复合多尺度散布熵支持向量机

基于变分模态分解与精细复合多尺度散布熵的发电机匝间短路故障诊断

在线全文

学校读者我要写书评

暂无评论

基于精细复合多尺度散布熵与XGBoost的海面小目标检测方法

电力自动化设备 2021年第3期41卷 164-172页

作者：何玉灵孙凯王涛王晓龙唐贵基华北电力大学机械工程系河北省电力机械设备健康维护与失效预防重点实验室河北保定 071003 华北电力大学机械工程系河北省电力机械设备健康维护与失效预防重点实验室河北保定 071003 华北电力大学机械工程系河北省电力机械设备健康维护与失效预防重点实验室河北保定 071003 华北电力大学机械工程系河北省电力机械设备健康维护与失效预防重点实验室河北保定 071003 华北电力大学机械工程系河北省电力机械设备健康维护与失效预防重点实验室河北保定 071003

针对多极发电机匝间短路故障诊断与识别难度高的问题,提出了变分模态分解与精细复合多尺度散布熵结合的方法处理发电机定子振动信号.所提方法应用变分模态分解将原始信号分解为多个模态分量,并依据峭度和相关系数原则选取2个不同分量进... 详细信息

针对多极发电机匝间短路故障诊断与识别难度高的问题,提出了变分模态分解与精细复合多尺度散布熵结合的方法处理发电机定子振动信号.所提方法应用变分模态分解将原始信号分解为多个模态分量,并依据峭度和相关系数原则选取2个不同分量进行信号的重构,应用精细复合多尺度散布熵来进行重构信号的分类及故障识别.对3对极发电机匝间短路故障前、后定子振动数据的处理效果表明,所提方法可以对发电机匝间短路故障进行有效识别与诊断,与其他多尺度熵方法相比具有一定优越性.

关键词：多对极发电机匝间短路故障振动信号变分模态分解精细复合多尺度散布熵故障诊断

来源：评论

学校读者我要写书评

暂无评论

电子测量与仪器学报 2023年第1期37卷 12-20页

作者：王海峰行鸿彦陈梦赵迪李瑾南京信息工程大学江苏省气象灾害预报预警与评估协同创新中心南京210044 南京信息工程大学江苏省气象探测与信息处理重点实验室南京210044

针对传统海面漂浮小目标的特征检测方法难以有效提取目标特征的问题,提出了一种基于RCMDE-XGBoost海面小目标检测方法。利用变分模态分解对信号进行去噪预处理,通过精细复合多尺度散布熵提取目标的多尺度特征,构建多维度特征矩阵,输入XG... 详细信息

针对传统海面漂浮小目标的特征检测方法难以有效提取目标特征的问题,提出了一种基于RCMDE-XGBoost海面小目标检测方法。利用变分模态分解对信号进行去噪预处理,通过精细复合多尺度散布熵提取目标的多尺度特征,构建多维度特征矩阵,输入XGBoost网络进行特征分类,通过模型训练,实现海面小目标检测。利用IPIX雷达实测数据库,在#54、#311、#320海情HV极化方式下检测率分别达到了93.33%、92.38%、95%,相较于图连通密度检测法平均提升12%,证明了RCMDE-XGBoost检测方法有效。

关键词：精细复合多尺度散布熵 XGBoost 微弱信号检测海杂波

基于精细复合多尺度散布熵的墙体内管道敲击探测方法

在线全文

学校读者我要写书评

暂无评论

电子测量技术 2023年第2期46卷 25-30页

作者：李瑾行鸿彦王海峰吴叶丽陈梦南京信息工程大学江苏省气象灾害预报预警与评估协同创新中心南京210044

为了提高墙体内管道敲击探测的准确率,本文采用精细复合多尺度散布熵检测敲击声音信号的频率和幅值的变化,提取信号中的多尺度管道特征;将构建的多维度管道特征矩阵输入到支持向量机中,使用麻雀搜索算法确定支持向量机参数最优值,通过... 详细信息

为了提高墙体内管道敲击探测的准确率,本文采用精细复合多尺度散布熵检测敲击声音信号的频率和幅值的变化,提取信号中的多尺度管道特征;将构建的多维度管道特征矩阵输入到支持向量机中,使用麻雀搜索算法确定支持向量机参数最优值,通过模型训练,完成墙内埋设管道有无的分类,提出了基于精细复合多尺度散布熵的墙体内管道敲击探测方法。将此方法与其它信号处理方法进行对比分析,结果证明,本文所提方法探测准确率高达97%,远远高于其他两种方法。

关键词：管道探测 SSA-SVM 敲击声音精细复合多尺度散布熵

基于EWT和最优参数精细复合多尺度散布熵的风电机组齿轮箱故障诊断

在线全文

学校读者我要写书评

暂无评论

基于EWT和最优参数精细复合多尺度散布熵的风电机组齿轮箱故障诊断

作者：李宣西安理工大学

学位级别：硕士

风能是一种可再生的清洁能源,当代社会发展耗能大且能源短缺,风能的使用能够有效缓解传统能源短缺的问题,解决传统能源带来的环境污染问题。随着风电机组累计装机容量不断增加和风机使用环境恶劣导致风电机组齿轮箱故障频发。齿轮箱一... 详细信息

风能是一种可再生的清洁能源,当代社会发展耗能大且能源短缺,风能的使用能够有效缓解传统能源短缺的问题,解决传统能源带来的环境污染问题。随着风电机组累计装机容量不断增加和风机使用环境恶劣导致风电机组齿轮箱故障频发。齿轮箱一旦发生故障,机组将面临长时间的停机和昂贵的维修费用,经济损失巨大。因此,准确、高效的对机组齿轮箱进行状态监测和故障诊断,对于保障机组安全稳定运行和提高发电效率具有重要意义。本文提出基于EWT（empirical wavelet transform）和最优参数精细复合多尺度散布熵的方法对风电机组齿轮箱故障诊断进行了研究。首先,在实际运行条件下,由于环境噪声干扰严重、振动信号传递路径复杂和机电耦合作用等原因导致风电机组齿轮箱振动信号具有非平稳、非线性并且信噪比低的特点,直接研究原始振动信号难以提取到有效的故障信息。本文引入经验小波变换处理风电机组齿轮箱振动信号,通过相关系数阈值筛选子模态分量进行信号重构,获取更高信噪比的故障振动信号。通过与EMD（empirical mode decomposition）分解方法对比,证明EWT可以在嘈杂的环境中有效地提取信号的主要成分,为后续特征提取环节打下基础。其次,针对特征提取和特征矩阵构建环节,传统时域、频域故障特征提取效果不佳、特征矩阵存在冗余的特点而造成故障诊断效果差的问题。引入新的时频特征精细复合多尺度散布熵（refined composite multiscale dispersive entropy,RCMDE）为特征向量,为提高精细复合多尺度散布熵算法的故障特征提取性能,获取区分度更大的精细复合多尺度散布熵,以其偏度值的平方函数作为适应度函数,通过网格搜索算法同步搜索计算两个关键参数m和C,提取齿轮箱重构故障振动信号的最优参数精细复合多尺度散布熵（optimal parameters refined composite multiscale dispersive entropy,OPRCMDE）构建特征矩阵。通过实验对比,证明EWT重构信号最优参数精细复合多尺度散布熵在提取各类故障特征时区分度更好,诊断结果更稳定准确。最后,针对特征向量冗余和一般分类算法参数多且参数设定影响分类准确率的问题。采用Relief-F算法计算特征向量的分类权重,选择权重大者构成最终的特征向量,剔除了冗余特征。最后再利用运算速度快,参数设置少的极限学习机（extreme learning machine,ELM）进行故障诊断。通过实验分析并与其它方法比较,证明本方法诊断正确率更高且更稳定,可以有效应用在风电机组齿轮箱故障诊断中,在实际工程应用中具有一定的价值,对于风电机组齿轮箱故障诊断的相关研究具有一定的参考性。

关键词：风电机组齿轮箱特征提取经验小波变换精细复合多尺度散布熵 Relief-F 极限学习机

基于精细复合多尺度散布熵的高压断路器机械故障诊断方法

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

四川轻化工大学学报（自然科学版） 2021年第4期34卷 40-47页

作者：陈佳豪吴浩李栋杨杰刘益岑四川轻化工大学自动化与信息工程学院四川自贡643000 人工智能四川省重点实验室四川自贡643000 国网四川省电力公司电力科学研究院成都610000

针对高压断路器机械故障识别准确率不高的问题,提出了一种基于精细复合多尺度散布熵(RCMDE)的断路器故障诊断方法。利用实验室10 kV户内真空高压断路器进行合闸动作时正常、螺丝松动、传动机构卡涩、合闸弹簧储能不足4种状态的振动数据... 详细信息

针对高压断路器机械故障识别准确率不高的问题,提出了一种基于精细复合多尺度散布熵(RCMDE)的断路器故障诊断方法。利用实验室10 kV户内真空高压断路器进行合闸动作时正常、螺丝松动、传动机构卡涩、合闸弹簧储能不足4种状态的振动数据采集。对采集到的数据计算RCMDE值,并构成特征向量集,将特征向量集分作训练集及测试集。利用粒子群算法(PSO)优化后的极限学习机(ELM)训练训练集得到智能故障识别模型,将测试集输入模型进行测试,实现断路器机械故障诊断。结果表明,基于RCMDE-PSO-ELM的高压断路器机械故障诊断方法能有效识别不同状态的机械故障,并且在噪声干扰以及数据丢失下仍能对故障进行准确识别,具有很好的抗干扰能力,在背景干扰较强的高压断路器故障检测环境下具备一定的实用性。

关键词：高压断路器机械故障诊断振动信号精细复合多尺度散布熵粒子群算法极限学习机

基于弹性变分模态分解的癫痫脑电信号分类方法

在线全文

学校读者我要写书评

暂无评论

物理学报 2021年第1期70卷 363-370页

作者：景鹏张学军孙知信南京邮电大学电子与光学工程学院微电子学院南京210023 南京邮电大学射频集成与微组装技术国家地方联合工程实验室南京210023 南京邮电大学江苏省邮政大数据技术与应用工程研究中心南京210003 南京邮电大学国家邮政局邮政行业技术研发中心(物联网技术)南京210003

癫痫脑电信号分类对于癫痫诊治具有重要意义.为了实现病灶性与非病灶性癫痫脑电信号的分类,本文利用弹性网回归重构变分模态分解算法,提出弹性变分模态分解算法并将其应用到所提癫痫脑电信号分类方法中.该方法先将原信号分割成多个子信... 详细信息

癫痫脑电信号分类对于癫痫诊治具有重要意义.为了实现病灶性与非病灶性癫痫脑电信号的分类,本文利用弹性网回归重构变分模态分解算法,提出弹性变分模态分解算法并将其应用到所提癫痫脑电信号分类方法中.该方法先将原信号分割成多个子信号,并对各子信号进行弹性变分模态分解,然后从分解后的不同变分模态函数中提取精细复合多尺度散布熵作为特征,最后利用支持向量机进行分类.针对癫痫脑电的公共数据集,最终的实验结果表明,准确率、灵敏度和特异度三个性能指标分别达到92.54%,93.22%和91.86%.

关键词：弹性变分模态分解精细复合多尺度散布熵癫痫脑电

基于IRCMNDE和NNCHC的滚动轴承故障诊断

在线全文

学校读者我要写书评

暂无评论

航空动力学报 2022年第6期37卷 1150-1161页

作者：杨潇谊邓为权马军昆明理工大学云南省人工智能重点实验室昆明650500 昆明理工大学信息工程与自动化学院昆明650500 昆明理工大学民航与航空学院昆明650500

针对多尺度散布熵(MDE)在粗粒化过程中易发生信息丢失、产生虚假信息,难以全面提取轴承故障信息的问题,提出了基于改进的精细复合多尺度归一化散布熵(IRCMNDE)和最近邻凸包分类(NNCHC)的滚动轴承故障诊断方法。引入精细复合多尺度散布熵... 详细信息

针对多尺度散布熵(MDE)在粗粒化过程中易发生信息丢失、产生虚假信息,难以全面提取轴承故障信息的问题,提出了基于改进的精细复合多尺度归一化散布熵(IRCMNDE)和最近邻凸包分类(NNCHC)的滚动轴承故障诊断方法。引入精细复合多尺度散布熵(RCMDE),将其粗粒化过程中平均值替换为最大值来表示数据段信息,以克服传统粗粒化过程的不足并突出故障特征。通过归一化操作减弱熵值计算时不同参数选择导致的熵值波动幅度,得到IRCMNDE。将IRCMNDE作为故障特征,使用NNCHC分类器对故障特征进行分类。经实验验证,该方法可达到98.98%的故障识别准确率,相比基于MDE(故障识别准确率为95.99%)和RCMDE(故障识别准确率为97.60%)的方法,能够更准确地提取滚动轴承的故障特征信息,提高承故障分类的准确性。

关键词：滚动轴承故障诊断多尺度散布熵精细复合多尺度散布熵最近邻凸包分类(NNCHC)

FDM和RCMDE结合的特征提取与故障诊断

在线全文

学校读者我要写书评

暂无评论

振动．测试与诊断 2021年第3期41卷 539-546,624页

作者：左红艳刘晓波洪连环南昌航空大学航空制造工程学院南昌330063 南京航空航天大学机电学院南京210016

为提取有效特征向量以实现航空发动动机转子的故障诊断,针对航空发动机转子振动信号的非线性、非平稳的特性,首先,应用傅里叶分解方法(Fourier decomposition method,简称FDM)提取航空发动机转子信号的边际谱重心及最大能量层的谱重心;... 详细信息

为提取有效特征向量以实现航空发动动机转子的故障诊断,针对航空发动机转子振动信号的非线性、非平稳的特性,首先,应用傅里叶分解方法(Fourier decomposition method,简称FDM)提取航空发动机转子信号的边际谱重心及最大能量层的谱重心;其次,计算振动信号的精细复合多尺度散布熵;最后,应用双阶自适应小波聚类方法对特征空间实现故障分类与识别。应用航空发动机转子试验器采集的样本验证表明,上述方法提取的特征值准确且波动小,同种故障类型的特征值集中,不同故障类型之间差异大,有利于提高多种故障类型混合的诊断精度。

关键词：傅里叶分解精细复合多尺度散布熵双阶自适应小波聚类故障诊断