检索结果-南通市图书馆

圆柱滚子轴承振动信号时频特征提取及状态识别

在线全文

学校读者我要写书评

暂无评论

振动工程学报 2022年第4期35卷 932-941页

作者：刘湘楠赵学智何宽芳华南理工大学机械与汽车工程学院广东广州510641 佛山科技学院机电工程与自动化学院广东佛山528225

为深入研究变工况下滚动轴承故障特征信息提取及状态识别方法,分别以圆柱滚子轴承三种典型状态件(轴承正常、外圈磨损、滚动体磨损)为研究对象,开展变工况下的圆柱滚子轴承振动信号特性分析。搭建了某型特种车辆变速箱圆柱滚子轴承实验... 详细信息

为深入研究变工况下滚动轴承故障特征信息提取及状态识别方法,分别以圆柱滚子轴承三种典型状态件(轴承正常、外圈磨损、滚动体磨损)为研究对象,开展变工况下的圆柱滚子轴承振动信号特性分析。搭建了某型特种车辆变速箱圆柱滚子轴承实验台架,通过实验台架采集了不同输入转速作用下的圆柱滚子轴承故障振动信号。在此基础上,采用广义S变换(Generalized Stockwell Transform,GST)对原始振动信号进行时频域转换,将获得的二维时频矩阵作为特征矩阵;对特征矩阵进行奇异值分解(Singular Value Decomposition,SVD),获得表征圆柱滚子轴承典型状态件特征信息的奇异值向量组;将提取的奇异值向量组输入支持向量机(Support Vector Machine,SVM),利用SVM实现圆柱滚子轴承不同状态类型识别。结果表明:该方法可有效实现变工况下圆柱滚子轴承振动信号特征信息提取及状态识别,为旋转机械设备在线监测提供了一种有效手段。

关键词：故障诊断滚子轴承特征提取支持向量机状态识别

基于PEDCC性能退化指标及MCRNN的滚动轴承寿命状态识别方法

在线全文

学校读者我要写书评

暂无评论

振动与冲击 2022年第24期41卷 176-183,233页

作者：肖家丰董绍江汤宝平潘雪娇胡小林赵兴新重庆交通大学机电与车辆工程学院重庆400074 磁悬技术与磁浮列车教育部重点实验室成都610031 重庆大学机械传动国家重点实验室重庆400044 重庆工业大数据创新中心有限公司重庆404100 重庆长江轴承股份有限公式重庆401336

针对滚动轴承退化性能难以评估、寿命状态难以识别的问题,提出一种基于相空间欧式距离相关性(phase Euclidean distance cross-correlation,PEDCC)指标和多通道卷积长短时记忆网络(multichannel convolutional neural long short term memory network,MCRNN)的状态识别方法。首先将正常轴承样本信号进行相空间重构,计算样本内重构后相邻数据之间的欧式距离,并将样本内的所有欧氏距离构成距离向量;然后利用互相关函数计算其余样本距离向量与正常样本距离向量之间的相关性,并将其作为轴承退化指标;最后利用所建立的PEDCC退化指标对轴承状态进行划分,将其输入到MCRNN网络中进行退化状态识别。其中MCRNN网络在不同通道中分别采取了不同卷积核,不同激活函数,以便于提取轴承振动信号的多尺度特征。通过轴承全寿命数据集对所提退化指标及网络模型的实用性进行验证,试验证明所提出的方法能更精确的实现轴承的退化状态识别。

关键词：滚动轴承退化指标相空间欧式距离相关性(PEDCC) 多通道卷积长短时记忆网络(MCRNN) 状态识别

在线全文

学校读者我要写书评

暂无评论

高超声速滑翔飞行器机动状态识别方法研究

电子与信息学报 2022年第12期44卷 4134-4143页

作者：张君彪熊家军兰旭辉陈新李凡空军预警学院预警情报系武汉430019 95980部队襄阳441000

高超声速滑翔飞行器(HGV)的迅猛发展改变了传统的作战样式,开辟了军事斗争的新领域。对HGV的机动状态进行识别可以为威胁评估、轨迹预测和防御决策提供有力支撑。为提高HGV机动状态识别精度,该文提出一种基于注意力机制的卷积长短时记... 详细信息

高超声速滑翔飞行器(HGV)的迅猛发展改变了传统的作战样式,开辟了军事斗争的新领域。对HGV的机动状态进行识别可以为威胁评估、轨迹预测和防御决策提供有力支撑。为提高HGV机动状态识别精度,该文提出一种基于注意力机制的卷积长短时记忆网络识别模型(AT-ConvLSTM)。在对HGV进行机动建模和特性分析基础上,将HGV在空间的机动状态分为8类,构造了对应的特征识别参数,建立了包含不同初始条件和控制模式下HGV机动轨迹的轨迹库。推导了从雷达跟踪信息到特征识别参数的转换步骤,使用提出的状态识别模型对HGV机动轨迹的时空特征进行提取,并通过SoftMax分类器输出机动状态分类。最后,通过仿真实验对模型性能进行验证。结果表明,所提状态识别模型能够有效在线识别HGV机动状态,具有较好的实时性和准确性。

关键词：高超声速飞行器状态识别深度学习机动建模

在线全文

学校读者我要写书评

暂无评论

基于状态识别的高炉料面视频关键帧提取方法

自动化学报 2023年第11期49卷 2257-2271页

作者：黄建才蒋朝辉桂卫华潘冬许川周科中南大学自动化学院长沙410000 鹏城实验室深圳518000

高炉料面视频关键帧是视频中的中心气流稳定、清晰、无炉料及粉尘遮挡且特征明显的图像序列,对于及时获取炉内运行状态、指导炉顶布料操作具有重要的意义.然而,由于高炉内部恶劣的冶炼环境及布料的周期性和间歇性等特征,料面视频存在信... 详细信息

高炉料面视频关键帧是视频中的中心气流稳定、清晰、无炉料及粉尘遮挡且特征明显的图像序列,对于及时获取炉内运行状态、指导炉顶布料操作具有重要的意义.然而,由于高炉内部恶劣的冶炼环境及布料的周期性和间歇性等特征,料面视频存在信息冗余、图像质量参差不齐、状态多变等问题,无法直接用于分析处理.为了从大量高炉冶炼过程料面视频中自动准确筛选清晰稳定的料面图像,提出基于状态识别的高炉料面视频关键帧提取方法.首先,基于高温工业内窥镜采集高炉冶炼过程中的料面视频,并清晰完整给出料面反应新现象和形貌变化情况;然后,提取能够表征料面运动状态的显著性区域的特征点密集程度和像素位移特征,并提出基于局部密度极大值高斯混合模型(Local density maxima-based Gaussian mixture model,LDGMM)聚类的方法识别料面状态;最后,基于料面状态识别结果提取每个布料周期不同状态下的关键帧.实验结果表明,该方法能够准确识别料面状态并剔除料面视频冗余信息,能提取出不同状态下的料面视频关键帧,为优化炉顶布料操作提供指导.

关键词：高炉料面现象显著性区域状态识别关键帧提取

在线全文

学校读者我要写书评

暂无评论

基于点对称变换的乙丙橡胶电缆终端缺陷诊断

电工技术学报 2022年第9期37卷 2388-2398页

作者：周利军刘聪权圣威曹伟东项恩新西南交通大学电气工程学院成都611756 云南电网有限责任公司电力科学研究院昆明650217

为解决高速动车组车载电缆健康状况的智能化诊断受限于天窗期短的问题,该文提出一种基于点对称(SDP)的乙丙橡胶(EPR)电缆终端缺陷局部放电诊断方法。首先,搭建局部放电试验平台获取局部放电信号;然后,提出一种车载电缆局部放电信号的SD... 详细信息

为解决高速动车组车载电缆健康状况的智能化诊断受限于天窗期短的问题,该文提出一种基于点对称(SDP)的乙丙橡胶(EPR)电缆终端缺陷局部放电诊断方法。首先,搭建局部放电试验平台获取局部放电信号;然后,提出一种车载电缆局部放电信号的SDP参数确定方法,并基于SDP变换将不同类型缺陷局部放电信号映射到极坐标系中形成SDP图像;最后,对比三种常见的深度学习网络——卷积神经网络(CNN)、栈式自编码器(SAE)及深度置信网络(DBN)提取不同类型缺陷的SDP图像深层特征,并基于网络尾端Softmax分类器进行识别。结果表明:针对四种典型的电缆缺陷,DBN网络与SDP图像的结合效果最佳,缺陷识别率达到了96.1%,相比于传统诊断方法,识别准确率提高了10%左右,由此验证了通过深度学习算法自适应提取SDP图像特征的方法,可有效应用于电缆缺陷诊断领域,具有较好的工程应用前景。

关键词：乙丙橡胶深度学习对称点模式状态识别

在线全文

学校读者我要写书评

暂无评论

面向钻削过程监测的振动信号处理及状态分类

振动．测试与诊断 2022年第1期42卷 89-95,196,197页

作者：代煜王景港曹广威张建勋贾宾南开大学机器人与信息自动化研究所天津300071

易变形结构在钻削过程中因受力而产生形变,不能根据刀具的钻削距离判断刀具所处状态。钻削过程中刀具切入易变形结构不同的位置会产生不同幅度的振动,通过对加速度传感器采集到的振动信号进行快速傅里叶变换(fastFouriertransform,简称F... 详细信息

易变形结构在钻削过程中因受力而产生形变,不能根据刀具的钻削距离判断刀具所处状态。钻削过程中刀具切入易变形结构不同的位置会产生不同幅度的振动,通过对加速度传感器采集到的振动信号进行快速傅里叶变换(fastFouriertransform,简称FFT),将钻削过程分为5个状态。通过计算系统基频整数次谐波分量幅值的变异系数,选取部分谐波分量的幅值作为特征量进行阶段监测。选用线性转换和对数转换相结合的方式实现输入数据的归一化,输入到支持向量机与多层前馈(backpropagation,简称BP)神经网络进行钻削状态分类。实验表明:支持向量机在所有钻削状态的识别准确率在85%以上,部分钻削状态的识别准确率达到了100%;BP神经网络分类器的识别准确率略低于支持向量机。根据所识别的状态控制刀具在即将钻透时停止,测量易变形结构剩余厚度验证了该方法的精确性。

关键词：钻削振动信号状态识别快速傅里叶变换支持向量机

基于DK-SVDD的轮毂电机轴承状态识别方法

在线全文

学校读者我要写书评

暂无评论

振动．测试与诊断 2023年第6期43卷 1121-1128,1243,1244页

作者：李仲兴郗少华薛红涛刘炳晨朱方喜江苏大学汽车与交通工程学院镇江212013

为了进一步提高电动汽车轮毂电机轴承状态识别技术的高效可靠性,提出一种基于双核支持向量数据描述(double kernel based support vector data description,简称DK-SVDD)的轮毂电机轴承状态识别方法。首先,针对轮毂电机轴承样本数据结... 详细信息

为了进一步提高电动汽车轮毂电机轴承状态识别技术的高效可靠性,提出一种基于双核支持向量数据描述(double kernel based support vector data description,简称DK-SVDD)的轮毂电机轴承状态识别方法。首先,针对轮毂电机轴承样本数据结构混杂致使SVDD识别率较低问题,通过一定的比例权重将径向基(radial basis function,简称RBF)核函数和高斯差分(difference of Gaussians,简称DOG)核函数结合构建DK核函数;其次,根据最优二叉树原理逐层设计状态识别分类器,并搭建DK-SVDD轮毂电机轴承状态识别模型,同时使用粒子群优化算法对模型参数寻优以提高DK-SVDD的学习能力和泛化能力;最后,基于轮毂电机轴承台架试验数据,验证所提方法的有效性和优越性。结果表明:针对轮毂电机轴承目标状态识别,DK-SVDD方法平均训练时间为0.0655 s,平均状态识别率为97.06%;与采用RBF或DOG核函数相比,DK-SVDD方法在多种工况下可以有效提高状态识别率并降低训练时间。

关键词：轮毂电机轴承支持向量数据描述 DK核函数双核支持向量数据描述状态识别

在线全文

学校读者我要写书评

暂无评论

基于改进极限学习机的水轮机运转状态识别

振动与冲击 2023年第1期42卷 132-138,168页

作者：兰朝凤宋博文郭小霞哈尔滨理工大学测控技术与通信工程学院哈尔滨150080

针对水轮机远程运行状态监测困难的现状,提出了基于模拟退火算法的粒子群算法(simulated annealing algorithm-particle swarm optimization,SA-PSO)优化极限学习机(extreme learning machine,ELM)的方式,建立水轮机运转状态识别模型SA-PSO-ELM。对水轮机信号进行互补集合经验模态分解(complementary ensemble empirical mode decomposition,CEEMD)获得IMF分量,引入皮尔逊相关系数计算各个IMF分量与水轮机信号的相似度,判断信号主导模态和噪声主导模态的分界点,用小波去噪对噪声主导模态降噪,并与其余的IMF分量重构得到去噪信号,同时对去噪后的信号进行分解,计算每个IMF分量的排列熵,构建特征向量。由于SA-PSO精度高不易陷入局部最优的特点和ELM的性能受权值、阈值共同影响的特点,用SA-PSO优化ELM的权值和阈值,构建水轮机运转状态识别模型SA-PSO-ELM。对不同工况下采集的水轮机压力脉动数据,分析了基于PSO-ELM、ELM及SA-PSO-ELM模型的水轮机运转状态识别正确率、均方误差、决定系数3个指标。结果表明:SA-PSO-ELM更适合于水轮机运转状态识别。

关键词：水轮机互补集合经验模态分解(CEEMD) 粒子群(PSO)算法极限学习机(ELM) 状态识别

基于AlexNet-Adaboost的多工况滚动轴承故障识别方法

在线全文

学校读者我要写书评

暂无评论

振动与冲击 2022年第2期41卷 20-25页

作者：唐贵基田寅初田甜华北电力大学(保定)机械工程系河北保定071003

针对实际工程中滚动轴承多工况下传统故障诊断方法识别率偏低的情况。提出了一种基于AlexNet-Adaboost相结合的滚动轴承故障识别方法。以滚动轴承信号的时频图作为模型输入、分类结果作为模型输出,训练多个AlexNet基分类器;在此基础上利... 详细信息

针对实际工程中滚动轴承多工况下传统故障诊断方法识别率偏低的情况。提出了一种基于AlexNet-Adaboost相结合的滚动轴承故障识别方法。以滚动轴承信号的时频图作为模型输入、分类结果作为模型输出,训练多个AlexNet基分类器;在此基础上利用Adaboost(自适应提升)算法进一步提升得到强分类器,将多工况下滚动轴承信号的时频图输入强分类器进行测试。结果显示,所提方法可实现对多工况下滚动轴承故障有效识别,并且在一定程度上提高了故障分类的准确性。

关键词：状态识别时频图滚动轴承卷积神经网络(CNN) 自适应提升算法