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

基于随机共振的轴承早期微弱故障诊断

机床与液压 2022年第23期50卷 184-189页

作者：赵团团蒋甲丁臧能义新疆工程学院工程技能实训学院新疆乌鲁木齐830011 新疆工程学院科研处新疆乌鲁木齐830011

针对早期轴承微弱信号难以发现、检测精度低等问题,提出一种基于随机共振的轴承早期微弱故障诊断方法。首先利用排列熵对周期信号的敏感特性,提出一种新的信号筛选方法来对信号进行初步滤波筛选;其次采用随机共振算法对故障信号进行噪... 详细信息

针对早期轴承微弱信号难以发现、检测精度低等问题,提出一种基于随机共振的轴承早期微弱故障诊断方法。首先利用排列熵对周期信号的敏感特性,提出一种新的信号筛选方法来对信号进行初步滤波筛选;其次采用随机共振算法对故障信号进行噪声辅助增强,以信噪比为目标函数,采用麻雀搜索算法对随机共振系统参数k、a、b、h进行寻优,最后将寻优后的参数送入随机共振系统进行检测。仿真结果表明:该方法可以有效检测出强噪声中的未知微弱故障信号。

关键词：轴承随机共振早期微弱故障排列熵麻雀搜索算法

在线全文

学校读者我要写书评

暂无评论

双矢时域齿轮早期微弱故障特征增强及应用

振动．测试与诊断 2018年第6期38卷 1161-1168,1291页

作者：姜宏章翔峰张小栋新疆大学机械工程学院乌鲁木齐830049 西安交通大学机械工程学院西安710049

信噪比低和源信息的缺失是造成早期微弱故障难以准确判定的主要因素,针对以此问题,提出一种双矢时域变换(dual vector time-time domain transform,简称DVTD)的方法,用于完备和凸显齿轮早期微弱故障特征。方法借用全矢原理实现相互垂直... 详细信息

信噪比低和源信息的缺失是造成早期微弱故障难以准确判定的主要因素,针对以此问题,提出一种双矢时域变换(dual vector time-time domain transform,简称DVTD)的方法,用于完备和凸显齿轮早期微弱故障特征。方法借用全矢原理实现相互垂直的双通道振动信号的融合,保证双矢信号源信息的完整。在此基础上,结合双时域变换理论,提取二维时间序列的主对角元素用以构建完整的、故障特征增强的时域振动信号。以风电机组齿轮箱为实验对象,提取表征信号波动强度的小尺度指数作为状态特征,验证了双矢时域变换的微弱故障特征增强特性及其在齿轮早期微弱故障识别中应用的有效性。

关键词：早期微弱故障双矢时域变换信息融合特征增强小尺度指数

基于小波相邻系数降噪的滚动轴承早期微弱故障时频特征提取

在线全文

学校读者我要写书评

暂无评论

航空动力学报 2017年第5期32卷 1266-1272页

作者：王宏超郭志强向国权巩晓赟杜文辽郑州轻工业学院机电工程学院郑州450002

将小波相邻系数降噪与时频小波切片变换(FSWT)相结合用于滚动轴承的早期微弱故障时频特征提取,通过对滚动轴承加速疲劳试验早期微弱故障振动数据进行分析,结果表明:小波相邻系数可以有效降低淹没滚动轴承早期微弱故障特征的背景噪声;时... 详细信息

将小波相邻系数降噪与时频小波切片变换(FSWT)相结合用于滚动轴承的早期微弱故障时频特征提取,通过对滚动轴承加速疲劳试验早期微弱故障振动数据进行分析,结果表明:小波相邻系数可以有效降低淹没滚动轴承早期微弱故障特征的背景噪声;时频小波切片变换方法能有效提取出经小波相邻系数降噪后振动信号的时频特征,即滚动轴承发生故障时的特征频率及其谐频成分,验证了所述方法的有效性.此外,通过与谱峭度时频分析结果的对比,证明所述方法更能准确扑捉到滚动轴承发生早期微弱故障时的时频特性,突出了所述方法的优越性.

关键词：小波相邻系数降噪滚动轴承时频小波切片变换(FSWT) 早期微弱故障特征提取

基于CMFDE的单向阀早期微弱故障诊断方法

在线全文

学校读者我要写书评

暂无评论

电子测量与仪器学报 2021年第4期35卷 169-176页

作者：钱恩丽黄国勇李锶宇何冬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

对单向阀早期微弱故障进行诊断可预防高压隔膜泵因单向阀磨损击穿无法正常工作而造成经济损失及安全事故。针对往复式高压隔膜泵单向阀早期微弱故障特征不明显且受大量噪声干扰的问题,提出基于复合多尺度波动散布熵(composite multiscal... 详细信息

对单向阀早期微弱故障进行诊断可预防高压隔膜泵因单向阀磨损击穿无法正常工作而造成经济损失及安全事故。针对往复式高压隔膜泵单向阀早期微弱故障特征不明显且受大量噪声干扰的问题,提出基于复合多尺度波动散布熵(composite multiscale fluctuation dispersion entropy,CMFDE)的单向阀早期微弱故障诊断方法。首先,用正切S型替换CMFDE方法中的正态分布函数映射,提高CMFDE的抗噪性;其次,计算振动信号的复合多尺度波动散布熵值,构建特征矩阵,并将其输入支持向量机(support vector machine,SVM)分类器中进行故障诊断;最后,利用单向阀实际工程数据验证该方法的有效性,并进行对比实验。实验结果与对比分析表明,不需对单向阀原始信号进行降噪,简化了诊断过程。复合多尺度波动散布熵可精确反映单向阀不同信号特征,提高了单向阀早期微弱故障诊断的识别率,且故障诊断结果受分类器影响小,识别准确率达到96.667%。

关键词：单向阀早期微弱故障复合多尺度波动散布熵波动散布熵故障诊断

基于Lipschitz非线性系统的早期微弱FDAI

在线全文

学校读者我要写书评

暂无评论

计算机仿真 2023年第10期40卷 445-451页

作者：张伟邱秉钊高升中国科学院沈阳自动化研究所机器人学国家重点实验室辽宁沈阳110016 中国科学院机器人与智能制造创新研究院辽宁沈阳110169 沈阳工业大学人工智能学院辽宁沈阳110870

为解决一种速度慢变、频率低、振幅较小的早期微弱故障问题,提出了基于Lipschitz非线性系统的早期微弱故障检测和隔离方法。首先,利用非奇异变换将原系统降阶成两个子系统,其中子系统1包含系统扰动和执行器故障,子系统2只包含执行器故... 详细信息

为解决一种速度慢变、频率低、振幅较小的早期微弱故障问题,提出了基于Lipschitz非线性系统的早期微弱故障检测和隔离方法。首先,利用非奇异变换将原系统降阶成两个子系统,其中子系统1包含系统扰动和执行器故障,子系统2只包含执行器故障。然后针对子系统1引入H∞性能指标并设计滑模观测器抑制系统未知扰动及噪声,针对子系统2设计Luenberger观测器,同时设计故障隔离策略以解决多个执行器故障问题。接着,设计自适应阈值并将其与观测器产生的残差信息进行比较,完成系统早期微弱故障诊断。最后仿真算例说明,上述方案提升了故障检测的灵敏性和故障隔离的精确度。

关键词：非线性系统早期微弱故障故障检测与隔离自适应阈值鲁棒观测器

带式输送机托辊轴承故障智能诊断与寿命预测研究

在线全文

学校读者我要写书评

暂无评论

带式输送机托辊轴承故障智能诊断与寿命预测研究

作者：戴忠林辽宁工程技术大学

学位级别：硕士

随着大数据与工业的结合,煤炭行业逐步升级,生产力逐渐提高,煤炭运输的运力短缺问题促使带式输送机朝着大型化、高速化、智能化的方向发展,导致带式输送机托辊轴承的工作强度越来越大,发生故障的概率也越来越高。托辊轴承一旦失效,会造... 详细信息

随着大数据与工业的结合,煤炭行业逐步升级,生产力逐渐提高,煤炭运输的运力短缺问题促使带式输送机朝着大型化、高速化、智能化的方向发展,导致带式输送机托辊轴承的工作强度越来越大,发生故障的概率也越来越高。托辊轴承一旦失效,会造成不可预估的损失。为此,本文旨在提高带式输送机的智能运行与维护的可靠性和安全性,开展对带式输送机托辊轴承故障的智能诊断与寿命预测的研究。针对托辊轴承早期微弱故障信号在恶劣工况下故障特征不明显,难以对故障类别进行精确诊断与剩余寿命预测的问题,提出了一种基于遗传模拟退火算法与粒子群算法融合的共振稀疏分解特征提取方法,对成分复杂、存在模态混叠的滚动轴承振动信号进行分析,利用融合优化算法的快速全局寻优特性,快速准确的搜寻到最优品质因子,实现轴承故障信号的完美分离,通过仿真与实验的方法验证了本文所提方法的优越性。在融合优化算法的共振稀疏分解方法基础之上,提出了利用滚动轴承故障树模型反演推理故障模式概率从而确定故障训练集,然后利用深度学习对滚动轴承故障的智能诊断方法,针对VGG-19网络模型在变工况样本不均衡数据集下诊断准确率较低问题,将循环生成对抗网络与AdaBN优化后的VGG-19相结合得到变工况样本不平衡故障诊断网络模型,利用循环生成对抗网络来平衡样本数据集,利用AdaBN优化算法解决变工况故障诊断问题,采用对抗训练的方式训练诊断模型,使其在变工况样本不平衡工况时具有较高的故障模式识别准确率与鲁棒性。基于仿真和实验验证了本文所提方法在变工况样本不平衡工况时故障智能诊断性能优于其他网络模型。最后在融合优化算法的共振稀疏分解特征提取的基础之上,提出了卷积神经网络与双向长短时记忆神经网络相结合的故障状态下滚动轴承寿命预测方法,根据时间相关性、单调性与鲁棒性三个特性,对分离出的低共振分量进行故障特征参数提取,确定了可以表征轴承退化特征的6个参数数据集作为输入,利用粒子群算法对其训练的初始参数进行优化选择后利用PHM-2012轴承退化数据集,对该方法进行训练与测试,验证了该方法相比于其他预测模型具有较高的预测精度。该论文有图95幅,表32个,参考文献101篇。

关键词：早期微弱故障融合优化算法共振稀疏分解智能诊断寿命预测

煤矿带式输送机传动滚筒轴承故障智能诊断研究

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

煤矿带式输送机传动滚筒轴承故障智能诊断研究

作者：聂振伟辽宁工程技术大学

学位级别：硕士

随着工业领域的大数据兴起,带动煤炭行业的发展和升级,对于其生产力的提升,运输过程占有主导地位,因此参与开采运输的设备正朝向高速化、智能化、以及大型化发展,当设备工作强度逐步变大,滚动轴承作为主要部件出现故障的概率也逐渐升高... 详细信息

随着工业领域的大数据兴起,带动煤炭行业的发展和升级,对于其生产力的提升,运输过程占有主导地位,因此参与开采运输的设备正朝向高速化、智能化、以及大型化发展,当设备工作强度逐步变大,滚动轴承作为主要部件出现故障的概率也逐渐升高。带式输送机作为工业运输主要设备,其传动滚筒的状态对设备效率有极大影响,滚筒轴承是滚筒的最大安全隐患,如果滚筒的滚动轴承一旦发生故障导致失效,便会造成不可想象的损失。因此,本文开展对带式输送机传动滚筒轴承的智能诊断的研究,使得设备在智能运维过程中安全可靠性以及生产效率都得以提高。针对滚动轴承前期所收集的故障信号比较微弱且在复杂的工况下特征不容易识别,致使对轴承的故障类别难以进行快速准确的诊断,首先对滚动轴承的振动机理进行分析,分别从其出现故障前后受力出发,建立正常及状态下的动力学模型及故障状态下振动方程,并对故障振动的特征进行研究。本文提出的自适应谱峭度处理振动信号,获取故障特征,对信号成分较为复杂且模态混叠的轴承振动信号研究分析,通过短时傅里叶变换对谱峭度进行自适应改进,从而设计自适应谱峭度带通滤波器对信号进行故障信号的特征提取,从仿真结果即可验证其提取特征效果显著。在对振动信号进行谱峭度分析之后,提出深度学习的轴承故障诊断方法,通过对比原有卷积神经网络的识别效率,选取效果较好的残差网络,在此基础上进行改进使得网络识别速度及准确率同时得到提高,其中对残差块进行多通道拓展,以增加特征的分辨率,并添加上采样模块以及融合特征模块,对原有的特征进行放大处理不丢失其中细节特征,并将所有特征细节融合后分类,最后结合密集连接对模型进行快速训练,参数快速更新,特征反复多次提取,实验故障准确诊断。搭建模拟试验台,实验结果验证改进后的网络诊断模型识别效率优于原有的网络模型。该论文有图39幅,表12个,参考文献108篇。

关键词：早期微弱故障智能诊断谱峭度一维卷积神经网络残差网络

全矢S变换在风力机齿轮箱微弱故障特征提取中的运用

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

机床与液压 2019年第13期47卷 200-205页

作者：章翔峰姜宏冉祥锋新疆大学机械工程学院

针对齿轮箱早期微弱故障特征受其他扰动信号干扰而难于提取的问题,提出一种全矢理论结合广义S变换的方法用于提高微弱故障特征的区分度。该方法是以全矢理论将相互垂直的双通道振动信号进行融合,保证信号源信息的完整,继而利用广义S变... 详细信息

针对齿轮箱早期微弱故障特征受其他扰动信号干扰而难于提取的问题,提出一种全矢理论结合广义S变换的方法用于提高微弱故障特征的区分度。该方法是以全矢理论将相互垂直的双通道振动信号进行融合,保证信号源信息的完整,继而利用广义S变换具有根据时频聚集性度量准则自适应地获取信号最佳时频谱的优势,实现融合信号的二维时频表示,以时频序列的能量矩阵构建区分齿轮工作状态的故障特征。通过风电机组齿轮箱在点蚀、裂纹和均匀磨损3种微弱故障状态下的各20组实验,验证了全矢S变换在微弱故障特征提取中的优势。

关键词：齿轮早期微弱故障信息融合广义S变换特征提取

基于EEMD和滑动峰态解调的滚动轴承故障诊断方法研究

在线全文

学校读者我要写书评

暂无评论

基于EEMD和滑动峰态解调的滚动轴承故障诊断方法研究

作者：杨伟才石家庄铁道大学

学位级别：硕士

滚动轴承是旋转机械应用最为广泛的零部件之一,其工作状态的正常与否直接关系到整台机械设备的可靠性和生产效率。滚动轴承工作环境复杂,其早期故障特征微弱且易被强背景噪声所湮没,造成故障特征提取困难。因此,本文以滚动轴承作为研究... 详细信息

滚动轴承是旋转机械应用最为广泛的零部件之一,其工作状态的正常与否直接关系到整台机械设备的可靠性和生产效率。滚动轴承工作环境复杂,其早期故障特征微弱且易被强背景噪声所湮没,造成故障特征提取困难。因此,本文以滚动轴承作为研究对象,深入研究早期微弱故障信号的降噪及故障特征提取方法。主要研究工作如下:(1)针对早期微弱故障信号的降噪问题,提出基于自适应的集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)的降噪方法。首先提出极值点均匀的EEMD自适应参数优化方法,优化白噪声幅值和总体平均次数,提高了分解精度和计算效率;然后提出基于相关峭度和信息熵的模糊综合判定准则来优选IMF分量进行重构实现降噪。结果表明,该方法在优选IMF分量方面的效果要明显优于峭度法和相关系数法。(2)针对早期故障特征提取问题,提出基于改进滑动峰态解调的滚动轴承早期故障特征提取方法。首先以信息熵最小值确定滑动窗宽,然后利用滑动峰态算法计算滑动峰态时间序列实现峰态包络,解决弱冲击信号的包络问题,进而提取弱冲击信号的故障特征。将自适应EEMD和滑动峰态算法进行结合,充分发挥各自的特点,提高诊断精度。通过仿真信号和试验信号分析,验证了本方法的有效性。(3)基于NI平台,将本文提出的新方法开发为轴承早期故障诊断模块。通过大量的试验分析,验证了本系统的可行性和有效性。

关键词：滚动轴承早期微弱故障自适应EEMD 滑动峰态解调