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

基于傅里叶分解方法的肌肉疲劳状态分类研究

电子测量与仪器学报 2023年第6期37卷 48-58页

作者：姚贺龙吕东澔张勇张鹏曹震内蒙古科技大学信息工程学院包头014010

由于表面肌电(sEMG)信号具有非线性和非平稳性,导致传统的肌肉疲劳分类方法存在局限性,基于此提出一种基于傅里叶分解方法(FDM)和机器学习相结合的肌肉疲劳分类方法。使用FDM将sEMG信号分解为一系列傅里叶固有频带函数(FIBF),确定最优... 详细信息

由于表面肌电(sEMG)信号具有非线性和非平稳性,导致传统的肌肉疲劳分类方法存在局限性,基于此提出一种基于傅里叶分解方法(FDM)和机器学习相结合的肌肉疲劳分类方法。使用FDM将sEMG信号分解为一系列傅里叶固有频带函数(FIBF),确定最优分解水平,利用FDM提取各FIBF分量总功率占sEMG信号总功率的比例(FTPR)作为分类特征,对比各机器学习分类算法的有效性和数据长度对分类准确率的影响。研究表明基于FDM的特征提取方法能够有效的识别肌肉疲劳状态,在数据长度为3000且FDM的10层分解水平下,使用支持向量机分类器,得到了98.17%的平均分类准确率。对每个FIBF分量单独进行分析,发现在第5个FIBF分量下的FTPR有最好的类可分性,肌肉疲劳时第1~2分量的FTPR会变大,第4~10分量的FTPR会变小,即当肌肉疲劳时sEMG信号0~117 Hz区间的频率幅度会增加,175.5~585 Hz区间的频率幅度会下降。通过对比不同特征提取方法的肌肉疲劳分类效果,实验结果表明FDM和FTPR特征能够显著提高分类准确率。因此,所提方法可用于肌肉疲劳状态识别。

关键词：肌肉疲劳表面肌电信号傅里叶分解方法机器学习支持向量机

基于傅里叶分解方法的航空发动机转子故障诊断

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18期30卷 2156-2163页

作者：刘洋刘晓波梁珊南昌航空大学航空制造工程学院

针对传统时频分析法无法提取转子故障特征信息的问题,提出了基于傅里叶分解方法(FDM)的转子碰摩故障诊断方法。构造了调频调幅仿真信号,对比FDM、集合经验模态分解(EEMD)、变分模态分解(VMD)的分解结果发现,FDM能够实现仿真信号的完备... 详细信息

针对传统时频分析法无法提取转子故障特征信息的问题,提出了基于傅里叶分解方法(FDM)的转子碰摩故障诊断方法。构造了调频调幅仿真信号,对比FDM、集合经验模态分解(EEMD)、变分模态分解(VMD)的分解结果发现,FDM能够实现仿真信号的完备性分解,且时频分辨率高。利用FDM对采集到的转子试验器机匣单点转子全周碰摩试验故障数据进行诊断,不同算法故障信号分解结果的周期功率谱密度估计和故障特征提取结果表明,该方法具有更高的诊断可靠性,可有效地解决转子故障诊断问题。

关键词：航空发动机时频分析傅里叶分解方法转子碰摩故障诊断

傅里叶分解方法和MSB在轴承故障诊断中的研究

在线全文

学校读者我要写书评

暂无评论

傅里叶分解方法和MSB在轴承故障诊断中的研究

作者：张辉内蒙古科技大学

学位级别：硕士

滚动轴承是旋转机械的核心零部件,许多机械发生故障的原因与轴承故障有密切的联系。如果可以及早的准确地发现故障,将在很大程度上确保设备运行的稳定性及安全性,对旋转机械的正常工作将起到很重要的意义。本文以滚动轴承故障信号为研... 详细信息

滚动轴承是旋转机械的核心零部件,许多机械发生故障的原因与轴承故障有密切的联系。如果可以及早的准确地发现故障,将在很大程度上确保设备运行的稳定性及安全性,对旋转机械的正常工作将起到很重要的意义。本文以滚动轴承故障信号为研究对象,以傅里叶分解方法和调制信号双谱为主要的分析方法。本文首先对傅里叶分解方法(Fourier decomposition method,FDM)及调制信号双谱(Modulated signal bispectrum,MSB)的研究现状进行分析,针对其中的不足展开以下一系列的研究。针对FDM方法在强噪声的环境下难以准确地提取故障特征的问题。利用FDM具有正交性、完备性及局部性的优势及Teager能量算子能突显信号中脉冲特征的优势,提出以下方法。首先,使用FDM按照高频到低频的搜寻方式搜寻傅里叶固有模态分量信号;然后,利用峭度准则和相关系数筛选最优的模态信号并将信号重构,接下来对重构信号使用Teager能量算子增强信号中的脉冲特征;最后,在频谱图中提取故障特征。利用该方法对模拟信号和滚动轴承振动信号进行分析,并且采用辛辛那提大学提供的轴承数据作为后续验证。实验结果表明:所提方法明显优于FDM方法,能够精确地突显故障特征频率,实现滚动轴承故障诊断。但是,在噪声干扰较强的环境下,FDM方法在解调调制信号方面还存在不足。为此,提出了一种基于FDM方法和MSB相结合的滚动轴承故障诊断方法。首先,使用FDM分解方法按照高频到低频的方式搜寻傅里叶固有模态函数分量,以加权峭度指标作为评判标准,对信号进行重构,然后对新的信号利用MSB方法进行解调处理,最终通过复合切片谱实现故障特征频率的提取。最后,通过上述方法对模拟信号和滚动轴承外圈故障信号进行分析,其研究结果表明:该方法能够有效地提取故障特征频率,并且与常规双谱进行对比,验证本文所提方法的优越性。本文围绕FDM方法和Teager能量算子及MSB分析方法展开一系列研究,通过仿真信号分析、实验室数据验证及辛辛那提大学提供的轴承数据进行泛化性分析,验证该方法的有效性,其成果对滚动轴承故障诊断有一定的指导作用。

关键词：傅里叶分解方法调制信号双谱 teager能量算子故障诊断

考虑电缆故障情况下风电场电气内部故障诊断方法

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

电气自动化 2024年第2期46卷 72-75页

作者：卢鑫鑫纪代颖中闽(福清)风电有限公司福建福清350300

针对传统的风电场维护方案滞后性强、运行成本高,提出了一种考虑电缆故障的风电场电气内部故障诊断方案。先利用傅里叶分解算法对风电场故障信号进行初步处理,得到了内秉带函数和残余信号,保障故障信号平稳,便于后续识别;然后对改进图... 详细信息

针对传统的风电场维护方案滞后性强、运行成本高,提出了一种考虑电缆故障的风电场电气内部故障诊断方案。先利用傅里叶分解算法对风电场故障信号进行初步处理,得到了内秉带函数和残余信号,保障故障信号平稳,便于后续识别;然后对改进图卷积神经网络进行故障识别和诊断,设计了故障信息串联模型,并对故障进行分类,结合代价敏感学习调整分类结果,保障系统对样本较少的风电场仍能够实现故障诊断。试验结果表明,所提方案能有效实现对风电场电气内部故障的识别和诊断,抗干扰能力强,不易受噪声影响,故障识别准确率达到96%。

关键词：傅里叶分解方法图卷积神经网络代价敏感学习内秉带函数故障识别

基于MCKD-FDM方法的汽车轴承振动信号降噪

在线全文

学校读者我要写书评

暂无评论

山西电子技术 2024年第3期 35-36,74页

作者：田萌河南工业贸易职业学院机电工程系河南郑州451191

为了提高电机轴承的故障诊断精度,选择傅里叶分解(FDM)方法把降噪处理信号分解,利用最大相关峭度反褶积(MCKD)重构信号包络谱图实现信息故障的诊断,并开展仿真与实验测试分析。研究结果表明:测试信号形成了明显的故障特征频率与各阶倍频... 详细信息

为了提高电机轴承的故障诊断精度,选择傅里叶分解(FDM)方法把降噪处理信号分解,利用最大相关峭度反褶积(MCKD)重构信号包络谱图实现信息故障的诊断,并开展仿真与实验测试分析。研究结果表明:测试信号形成了明显的故障特征频率与各阶倍频,各阶倍频都发生了幅值降低。采用本文方法可以显著突出故障冲击成分,也可以提取获得丰富轴承故障信息,更明显体现故障特征频率与倍频。本研究故障诊断方法能够满足高精度的汽车传动系统故障检测要求。

关键词：轴承傅里叶分解方法最大相关峭度反褶积故障诊断

最大相关峭度反褶积与傅里叶分解方法相结合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

机械科学与技术 2020年第8期39卷 1163-1170页

作者：黄斯琪郑近德潘海洋童靳于刘庆运安徽工业大学机械工程学院安徽马鞍山243032

针对强背景噪声环境下滚动轴承故障特征难以提取的问题,提出一种基于最大相关峭度反褶积(MCKD)与傅里叶分解方法(FDM)相结合的滚动轴承故障诊断方法。首先采用MCKD对振动信号去噪、提取与故障相关的冲击成分;其次,采用FDM对去噪信号进... 详细信息

针对强背景噪声环境下滚动轴承故障特征难以提取的问题,提出一种基于最大相关峭度反褶积(MCKD)与傅里叶分解方法(FDM)相结合的滚动轴承故障诊断方法。首先采用MCKD对振动信号去噪、提取与故障相关的冲击成分;其次,采用FDM对去噪信号进行分解,得到若干个瞬时频率具有物理意义的傅里叶固有频带函数和一个残余分量之和;第三,依据各个模态与去噪信号的相关性提取包含故障信息的最优模态分量,并对它们进行重构;最后,计算重构信号的包络谱,从谱图中读取故障信息。将所提故障诊断方法应用于滚动轴承故障仿真和实验数据分析,并通过与现有方法进行对比,结果表明,该方法优于所对比的方法。

关键词：滚动轴承傅里叶分解方法最大相关峭度反褶积故障诊断

在线全文

学校读者我要写书评

暂无评论

基于傅里叶分解方法的风电齿轮箱故障诊断

机械传动 2018年第11期42卷 132-136页

作者：林近山窦春红赵光胜尹建华潍坊学院机电与车辆工程学院山东潍坊261061 山东交通职业学院山东潍坊261206 山东中科普锐检测技术有限公司山东潍坊261061

经验模式分解(Empirical Mode Decomposition,EMD)是一种经验的方法,缺乏严格的理论证明,在实际应用中存在着许多问题,这些问题导致EMD方法难以有效提取复杂风电齿轮箱振动信号的故障特征。傅里叶分解方法(Fourier Decomposition Method... 详细信息

经验模式分解(Empirical Mode Decomposition,EMD)是一种经验的方法,缺乏严格的理论证明,在实际应用中存在着许多问题,这些问题导致EMD方法难以有效提取复杂风电齿轮箱振动信号的故障特征。傅里叶分解方法(Fourier Decomposition Method,FDM)是一种新的非平稳非线性信号处理方法,具有坚实的理论基础,能够有效克服EMD方法的缺陷。因此,将FDM用于分析风电齿轮箱振动信号,提出了基于FDM的风电齿轮箱故障诊断方法。将该方法用于实际风电齿轮箱故障诊断,结果表明该方法能够有效地诊断出风电齿轮箱的故障,与基于谱分析、EMD及小波分解的方法相比具有明显的优势。

关键词：傅里叶分解方法经验模式分解风电齿轮箱故障诊断

傅里叶分解和调制信号双谱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

机械设计与制造 2024年第3期 43-47页

作者：张超张辉田帅内蒙古科技大学机械工程学院内蒙古包头014010 内蒙古自治区机电系统智能诊断与控制重点实验室内蒙古包头014010

在噪声干扰较强的环境下,为了克服傅里叶分解方法(Fourier Decomposition Method,FDM)在分析调制信号及单独使用调制信号双谱(Modulated Signal Bispectrum,MSB)在分析非平稳信号方面的不足,提出了一种FDM和MSB相结合的滚动轴承故障诊... 详细信息

在噪声干扰较强的环境下,为了克服傅里叶分解方法(Fourier Decomposition Method,FDM)在分析调制信号及单独使用调制信号双谱(Modulated Signal Bispectrum,MSB)在分析非平稳信号方面的不足,提出了一种FDM和MSB相结合的滚动轴承故障诊断方法。首先,使用FDM按照高频到低频的方式搜寻傅里叶固有模态函数分量(Fourier Intrinsic band Functions,FIBFs);以加权峭度指标作为评判标准,对信号进行重构,确保得到最佳的信号;然后对新的信号利用MSB分析方法进行解调处理,最终通过复合切片谱实现故障特征频率的提取。最后,通过上述方法对模拟信号和滚动轴承外圈故障信号进行分析,其研究结果表明:该方法能够有效地提取故障特征频率,并且与常规双谱进行对比,验证所提方法的优越性。

关键词：傅里叶分解方法加权峭度指标调制信号双谱故障诊断滚动轴承

基于傅里叶分解方法和径向基神经网络的铣削颤振检测研究

在线全文

学校读者我要写书评

暂无评论

基于傅里叶分解方法和径向基神经网络的铣削颤振检测研究

作者：侯慧杰华中科技大学

学位级别：硕士

铣削加工是常用的加工方式,当切削参数选择不当时容易发生颤振,严重影响工件的表面质量和加工效率。若能对铣削状态进行检测,以便及时采取措施抑制颤振,则可以避免造成更大的损失。针对这一问题,本文从试验设计、信号分析、特征识别和... 详细信息

铣削加工是常用的加工方式,当切削参数选择不当时容易发生颤振,严重影响工件的表面质量和加工效率。若能对铣削状态进行检测,以便及时采取措施抑制颤振,则可以避免造成更大的损失。针对这一问题,本文从试验设计、信号分析、特征识别和软件开发几个方面,进行了以下研究:基于铣削动力学模型,通过求解动力学方程,绘制了稳定性叶瓣图,并据此设计了不同加工参数的铣削试验。采集振动加速度信号,建立了不同铣削状态的数据样本集,对稳定铣削和颤振状态下的振动信号特性进行了分析。考虑铣削振动信号的非平稳性,引入了一种新的时频分析理论,即傅里叶分解方法（FDM）,对仿真信号的分解结果表明,FDM相比于EMD能够有效抑制模态混叠和过分解现象。分别在时域、频域和时频域对铣削振动信号进行了特征提取,鉴于使用单一特征量设定阈值的检测方法精度较差,提出了基于径向基神经网络的铣削颤振检测方法。使用皮尔逊相关系数法结合算法模型的检测结果对特征量进行了筛选,将三维特征向量输入径向基神经网络进行训练和测试,测试结果表明,该方法能够对铣削状态进行检测,并具有较高的分类精度。设计并开发了铣削颤振检测软件,实现了数据采集、波形显示、铣削状态监测和反馈调节加工参数等功能。

关键词：铣削颤振颤振检测能量熵傅里叶分解方法径向基神经网络