检索结果-南通市图书馆

作者：程健湖南大学

学位级别：硕士

齿轮和滚动轴承作为设备的核心元素,其工作状态至关重要。当前,针对这种现象学者们已经开展研究,并取得了一定的成果。但是现实工业生产过程中的机械设备在出现故障时,会伴随着强背景噪声,甚至会出现多种故障信号相互耦合并出现复合故... 详细信息

齿轮和滚动轴承作为设备的核心元素,其工作状态至关重要。当前,针对这种现象学者们已经开展研究,并取得了一定的成果。但是现实工业生产过程中的机械设备在出现故障时,会伴随着强背景噪声,甚至会出现多种故障信号相互耦合并出现复合故障等情况,这使得故障诊断难度加大。因此,论文在辛几何模态分解方法的基础上,针对复合故障和强背景噪声等故障诊断领域难题,分别提出了基于改进的辛几何模态分解(Improved Symplectic Geometry Mode Decomposition,简称ISGMD)、加权滑动辛几何模态分解(Weighted Sliding Symplectic Geometry Mode Decomposition,简称WSSGMD)和加权辛几何矩阵机(Weighted Symplectic Geometry Matrix Machine,简称WSGMM)的故障诊断方法。论文在国家重点研发计划项目“重大复杂机电系统服役质量检测检测及维护质量控制技术研究”(项目编号:2016YFF0203400)和“轿车高可靠性车载电力电子集成系统开发”(项目编号:2018YFB0104600)的资助下,提出了两种改进的辛几何模态分解方法和加权辛支持矩阵机,并探究了这些方法的有效性。论文主要工作和创新点如下:(1)辛几何模态分解(Symplectic Geometry Mode Decomposition,简称SGMD)方法有着较强的噪声鲁棒性,适合处理非平稳信号,但是该方法同样也存在着不足。在辛几何重构过程中,该方法利用周期和频率等相似性人为设置终止条件来重构最终的辛几何分量,这将导致分析结果的不确定性。因此,提出了一种ISGMD方法,采用层次聚类(Hierarchical Cluster)方法对初始辛几何分量进行自适应重组,进而得到最终的聚类辛几何分量(Cluster Symplectic Geometry Component,简称CSGCs)。实验结果表明:ISGMD方法可以有效地对旋转机械复合故障信号进行特征提取,提高故障诊断的准确性。(2)SGMD方法在处理齿轮早期故障信号时效果并不理想,这是因为SGMD方法存在以下二点不足:(1)该方法通过原始时间序列直接重构轨迹矩阵,其微弱故障特征被淹没在全局时间序列中。(2)该方法是通过舍去能量较小的分量进行降噪的,但能量较小的分量可能包含有微弱的故障信息,这使得该方法不适用于早期的故障特征提取。因此,本文提出了一种WSSGMD方法,通过对原始一维时间序列添加滑动窗来重构时间序列,并提出变化熵用来对辛几何分量进行加权处理,进而获得包含大量故障信息的加权辛几何分量(WSGCs)。仿真和实验信号分析结果表明:WSSGMD方法可以有效地对齿轮早期故障信号进行特征提取。(3)支持矩阵机(Support Matrix Machine,简称SMM)是一种新型分类器,并以矩阵作为输入。但是,SMM在处理复杂的分类问题时存在一定的局限性。这是因为输入矩阵包含了大量的背景噪声,严重影响了故障诊断的准确性。因此,本文提出了一种WSGMM方法。该方法首先通过辛几何分解方法获得特征向量矩阵;然后通过变化熵加权处理,获得加权辛几何系数矩阵,此时的矩阵已经滤除大量的噪声;最后将加权辛几何特征矩阵输入到SMM中进行分类。行星齿轮实验信号分析表明:WSGMM可以有效地诊断出齿轮故障类型。

关键词：旋转机械故障诊断辛几何模态分解辛几何相似变换特征增强改进的辛几何模态分解加权滑动辛几何模态分解加权辛几何矩阵机

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

一种基于改进辛几何模态分解的复合故障诊断方法

引用

湖南大学学报（自然科学版） 2020年第2期47卷 53-59页

作者：杨宇程健彭晓燕潘海洋程军圣湖南大学机械与运载工程学院湖南长沙410082

针对辛几何模态分解方法分析结果的不确定性,提出一种改进的辛几何模态分解方法.首先对原时间序列进行相空间变换,获得轨迹矩阵;然后通过辛几何相似变换求得特征值和对应的特征向量,并通过对角平均得到一系列的初始辛几何分量;最后采用... 详细信息

针对辛几何模态分解方法分析结果的不确定性,提出一种改进的辛几何模态分解方法.首先对原时间序列进行相空间变换,获得轨迹矩阵;然后通过辛几何相似变换求得特征值和对应的特征向量,并通过对角平均得到一系列的初始辛几何分量;最后采用层次聚类方法对初始辛几何分量进行自适应重组,进而得到最终的聚类辛几何分量.实验结果表明:改进的辛几何模态分解方法可以有效地对旋转机械复合故障信号进行特征提取,提高故障诊断的准确性.

关键词：层次聚类改进的辛几何模态分解故障诊断旋转机械信号处理

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于ISGMD-RPT的滚动轴承故障诊断方法

引用

振动.测试与诊断 2025年第1期45卷 95-102,202,203页

作者：李可彭雄宿磊顾杰斐薛志钢江苏省食品先进制造装备技术重点实验室无锡214122 江南大学机械工程学院无锡214122 江苏省特种设备安全检验监督研究院无锡分院无锡214071

针对传统辛几何模态分解(symplectic geometry mode decomposition,简称SGMD)方法因嵌入维数选择依靠经验公式,导致出现信号模态混叠和过度分解的问题,提出了一种改进的辛几何模态分解(improved symplectic geometry mode decomposition... 详细信息

针对传统辛几何模态分解(symplectic geometry mode decomposition,简称SGMD)方法因嵌入维数选择依靠经验公式,导致出现信号模态混叠和过度分解的问题,提出了一种改进的辛几何模态分解(improved symplectic geometry mode decomposition,简称ISGMD)方法。首先,通过计算原始信号的功率谱密度得到最大主峰的频率并设定嵌入维数区间,根据峭度准则筛选分解后的辛几何分量(symplectic geometry component,简称SGC),得到每个嵌入维数对应的最优SGC;其次,引入模态混叠指数、过分解指数与峭度指标的综合评估目标值函数,选择最优嵌入维数;然后,利用拉马努金周期变换(ramanujan periodic transform,简称RPT)方法进行微弱故障特征增强;最后,通过仿真信号及风机滚动轴承实验数据,并与经验模态分解和局部均值分解等方法进行对比,验证了所提出滚动轴承故障诊断方法的有效性。

关键词：改进的辛几何模态分解拉马努金周期变换滚动轴承故障诊断

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

基于改进SGMD的模态参数识别方法

基于改进SGMD的模态参数识别方法

引用

第十三届全国随机振动理论与应用学术会议暨第十一届全国随机动力学学术会议

作者：郅伦海胡峰合肥工业大学

本文提出了一种基于改进辛几何模态分解(SGMD)算法,用于非平稳激励下结构模态参数识别。首先,利用峭度理论、Pearson相关系数和能量熵理论对辛几何模态分解算法进行优化,以保证分解效果达到最佳;再使用改进SGMD算法将非平稳响应信号分... 详细信息

本文提出了一种基于改进辛几何模态分解(SGMD)算法,用于非平稳激励下结构模态参数识别。首先,利用峭度理论、Pearson相关系数和能量熵理论对辛几何模态分解算法进行优化,以保证分解效果达到最佳;再使用改进SGMD算法将非平稳响应信号分解为多个辛几何分量(SGCs);然后采用自然环境激励技术得到单分量信号的自由衰减响应;最后,利用直接插值法和曲线拟合获得结构的自振频率和阻尼比。通过二层框架结构的数值模拟验证了该方法的准确性和有效性,并将其应用于台风作用下某超高层建筑的模态参数识别,进一步验证了该方法的适用性。

关键词：模态参数识别改进的辛几何模态分解非平稳自振频率阻尼比

来源： cnki会议评论

在线全文

cnki会议

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

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

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：