检索结果-南通市图书馆

基于EWT-KLD的机械密封金刚石涂层磨损声发射降噪

在线全文

学校读者我要写书评

暂无评论

西南交通大学学报 2024年第1期59卷 177-184页

作者：林志斌高宏力吴昱东谭咏文西南交通大学机械工程学院四川成都610031

为了准确获得机械密封金刚石涂层在磨损过程的声发射信号,在分析机械密封设备的噪声特性基础上,提出了基于经验小波变换(EWT)和相对熵(KLD)的声发射降噪方法;通过对磨损声发射信号进行经验小波变换得到划分其频带的滤波器组,对磨损声发... 详细信息

为了准确获得机械密封金刚石涂层在磨损过程的声发射信号,在分析机械密封设备的噪声特性基础上,提出了基于经验小波变换(EWT)和相对熵(KLD)的声发射降噪方法;通过对磨损声发射信号进行经验小波变换得到划分其频带的滤波器组,对磨损声发射信号和背景噪声发射信号用相同的滤波器组划分频带;计算相应频带2种信号的相对熵,用累计和算法在升序排列的相对熵中找到首个大于3σ的值作为阈值,保留相对熵值大于阈值的频带重构信号,完成降噪.研究结果表明:本文所提的EWT-KLD方法可以有效抑制不同工况、不同磨损状态的声发射信号的噪声,有效改善了磨损声发射信号的信噪比,尤其是微弱磨损信号的信噪比,提高了密封端面磨损声发射检测的精度和灵敏度;通过与传统降噪方法的对比发现,本文方法能够对不同工况下的密封磨损声发射信号降噪表现出更强的适应性和稳定性,对于及时检测早期密封磨损和准确监测磨损累积变化过程具有重要意义.

关键词：机械密封声发射降噪经验小波分解金刚石涂层

基于自适应经验小波分解和深层Wasserstein网络的轴承工况识别

在线全文

学校读者我要写书评

暂无评论

组合机床与自动化加工技术 2021年第8期 11-15页

作者：左大利东莞职业技术学院机电工程学院广东东莞523808

传统滚动轴承工况识别方法需要对采集到的轴承振动信号进行人工特征提取,提出一种基于自适应经验小波分解(adaptive empirical wavelet decomposition,AEWD)和深层Wasserstein网络(deep Wasserstein network,DWN)的工况识别方法。首先,... 详细信息

传统滚动轴承工况识别方法需要对采集到的轴承振动信号进行人工特征提取,提出一种基于自适应经验小波分解(adaptive empirical wavelet decomposition,AEWD)和深层Wasserstein网络(deep Wasserstein network,DWN)的工况识别方法。首先,改进经验小波分解频谱的分割方法,进而将滚动轴承振动信号自适应分解为本征模态分量;其次,筛选出最能反映轴承运行工况特征的分量并进行信号重构;最后,构造深层Wasserstein网络,将重构后的轴承振动信号输入DWN进行自动特征提取与工况识别。实验结果表明:AEWD结合DWN方法相比于其它深度学习方法在工况识别准确率方面更具优势。

关键词：滚动轴承经验小波分解深度学习工况识别

基于EWT-熵值方法的发动机风扇叶片损伤监控

在线全文

学校读者我要写书评

暂无评论

航空动力学报 2023年第1期38卷 23-31页

作者：徐建新赵树杰马超巴翔中国民航大学航空工程学院天津300300 中国南方航空股份有限公司河南航空有限公司郑州450000

为了从发动机性能数据中寻找风扇叶片外来物损伤航班特征,从而将风扇叶片受外来物损伤的航班区分出来,在机载快速存储记录器(quick access recorder, QAR)数据检测中提出将经验小波分解和信息熵结合的方法。通过对各航班原始振动数据的... 详细信息

为了从发动机性能数据中寻找风扇叶片外来物损伤航班特征,从而将风扇叶片受外来物损伤的航班区分出来,在机载快速存储记录器(quick access recorder, QAR)数据检测中提出将经验小波分解和信息熵结合的方法。通过对各航班原始振动数据的拟合平滑处理和经验小波分解,提取了分解后各模态的能量熵和,分析了添加汉明(Hanmming)窗函数的多尺度熵,结果表明:拟合后数据的熵值变化更明显,且风扇叶片受外来物损伤航班的能量熵和有10%以上的降低趋势,改进后的多尺度熵有40%以上的增长趋势,均明显异于其他正常航班。证明采用EWT-熵值方法可以较好地对发动机风扇叶片外来物损伤情况进行监控。

关键词：外来物损伤机载QAR数据经验小波分解能量熵多尺度熵

基于CAE-XGBoost的风电机组故障诊断研究

在线全文

学校读者我要写书评

暂无评论

基于CAE-XGBoost的风电机组故障诊断研究

作者：胡凌枭西安理工大学

学位级别：硕士

为了坚持绿色能源的可持续发展道路,落实“碳达峰”“碳中和”的既定目标,我国正在加速开发利用风力发电。但是风电机组结构复杂、工作环境恶劣,一旦发生故障将会造成难以估量的损失。轴承作为风机中的重要部件,故障率很高,一旦发生故... 详细信息

为了坚持绿色能源的可持续发展道路,落实“碳达峰”“碳中和”的既定目标,我国正在加速开发利用风力发电。但是风电机组结构复杂、工作环境恶劣,一旦发生故障将会造成难以估量的损失。轴承作为风机中的重要部件,故障率很高,一旦发生故障不仅影响风机正常运行还可能造成其他部件的连锁反应。因此,风机轴承故障诊断研究有着重要意义。传统的轴承故障方法以时频分析为主,本文采用数据驱动的路线,综合信号处理、深度学习和机器学习方法对风电机组轴承故障进行识别,主要研究内容如下:首先,由于风电机组内多个机械部件耦合运动,以及不确定性风速引起的传动载荷和转速变化,导致了轴承的振动信号呈现非平稳非线性、噪声干扰大的特点,故对振动信号做预处理是必要的。经验小波(Empirical Wavelet Transform,EWT)方法是一种非线性信号处理方法,存在着无法自适应分解以及模式破裂等问题,本文通过频谱包络趋势改进得到了 IEWT(Improve Empirical Wavelet Transform,IEWT)方法。采用 IEWT 将振动信号分解后,利用加权峭度指标T筛选出故障分量后进行信号重构,可减少噪声干扰。与EWT和EMD方法对比,表明IEWT可以更好地提取振动信号中的冲击成分。其次,提取能够表征不同运行状态下振动信号的表示特征有助于实现故障的模式识别。由于传统特征提取方法需要大量的先验知识,本文采取了卷积自编码器(Convolutional Auto-encoder,CAE)深度学习网络来自适应学习振动信号的深层特征。CAE结合了有监督学习和无监督学习的训练方式,确保了提取特征的有效性和区分度。与PCA降维和时频域统计两种特征提取方法比较,CAE模型提取的信号特征区分度更好。利用CAE提取特征对粒子群(Partical Swarm Algorithm,PSO)优化参数的极端梯度提升(eXtreme Gradient Boosting,XGBoost)分类算法进行训练,构建出风电机组轴承故障诊断模型。最后,运用实际的轴承振动数据进行实例分析。本文方法在10种轴承状态的模式识别中达到了 98.8%的准确度,具有良好的识别效果;与PCA-SVM、时频统计特征-XGBoost、多尺度排列熵-XGBoost等方法对比,验证了该模型的优越性。经鲁棒性实验分析表明,本文诊断方法也具有一定的抗噪声和变负载自适应能力。

关键词：风电机组滚动轴承故障诊断经验小波分解卷积自编码器 XGBoost

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

一种基于经验小波变换的齿轮副故障诊断方法

机械 2017年第9期44卷 12-15页

作者：宋世毅中国一拖集团有限公司河南洛阳471004

齿轮是机械设备的重要零部件之一。针对于齿轮副的在线故障检测问题,提出了一种基于经验小波变换的齿轮副故障检测方法。基于紧支撑的框架,该方法将信号通过经验小波变换分解为若干个不同的内部经验模态。较之传统经验模态分解,该方法... 详细信息

齿轮是机械设备的重要零部件之一。针对于齿轮副的在线故障检测问题,提出了一种基于经验小波变换的齿轮副故障检测方法。基于紧支撑的框架,该方法将信号通过经验小波变换分解为若干个不同的内部经验模态。较之传统经验模态分解,该方法能够更准确的提取出其模态信号,且混叠成分更小。将该方法应用于具体的齿轮副机构中,通过经验小波分解对系统噪声和环境噪声干扰中的振动信号进行故障特征识别。实验结果验证了该方法的有效性,能够有效的提取齿轮裂纹的特征信号。

关键词：经验小波分解故障诊断齿轮裂纹

IEWT和FSK在齿轮与滚动轴承故障诊断中的应用

在线全文

学校读者我要写书评

暂无评论

振动．测试与诊断 2017年第6期37卷 1256-1261页

作者：向玲高雪媛张力佳李媛媛华北电力大学(保定)机械工程系保定071003

改进的经验小波变换方法(improved empirical wavelet transform,简称IEWT)是一种新的自适应性信号处理方法,将这种方法和快速谱峭度(fast spectral kurtosis,简称FSK)相结合,进行齿轮与滚动轴承的故障诊断。首先,采用IEWT对信号进行分... 详细信息

改进的经验小波变换方法(improved empirical wavelet transform,简称IEWT)是一种新的自适应性信号处理方法,将这种方法和快速谱峭度(fast spectral kurtosis,简称FSK)相结合,进行齿轮与滚动轴承的故障诊断。首先,采用IEWT对信号进行分解,筛选出故障特征最为明显的2个分量并重构信号;其次,对重构信号进行快速谱峭度滤波;最后,对滤波后的信号进行包络谱分析,提取出信号的故障特征。分析齿轮断齿及滚动轴承故障信号,与直接包络谱和基于EMD经验模态分解(empirical mode decomposition,简称EMD)方法的FSK滤波包络谱分析方法相比可知,采用IEWT处理后再进行FSK滤波的信号进行包络谱分析更具有区分性,可有效识别齿轮和滚动轴承的故障特征。

关键词：经验小波分解快速谱峭度滤波包络谱分析故障诊断

基于EWT和递归切比雪夫滤波器的有源噪声控制方法研究

在线全文

学校读者我要写书评

暂无评论

基于EWT和递归切比雪夫滤波器的有源噪声控制方法研究

作者：郭蓉蓉北京邮电大学

学位级别：硕士

传统的无源噪声控制方法在处理低频噪声时会存在设备体积偏大、成本昂贵等不足。目前,主要采用有源噪声控制（Active Noise Control,ANC）技术解决低频噪声问题。然而在实际应用中,噪声传播路径可能会存在高阶非线性扰动,且参考噪声会... 详细信息

传统的无源噪声控制方法在处理低频噪声时会存在设备体积偏大、成本昂贵等不足。目前,主要采用有源噪声控制（Active Noise Control,ANC）技术解决低频噪声问题。然而在实际应用中,噪声传播路径可能会存在高阶非线性扰动,且参考噪声会呈现一定的非平稳特性,导致现有ANC控制算法的降噪效果不佳,为此,本文引入三阶切比雪夫滤波器和经验小波分解（Empirical wavelet decomposition,EWT）技术,重点研究高阶非线性传递路径下的非平稳噪声控制方法,具体内容与成果如下:（1）针对传递路径存在高阶非线性失真的问题,提出基于递归三阶切比雪夫非线性（Recursive third-order Chebyshev nonlinear,RTOCN）滤波器的ANC控制算法。引入递归结构,推导建立了改进的三阶切比雪夫非线性滤波器,基于此扩展ANC系统中的参考噪声与反馈噪声,并采用多通道FELMS算法更新RTOCN滤波器权重系数。该方法可以消除初级、次级路径中非线性扰动产生的高阶谐波对ANC系统降噪量的影响。（2）针对RTOCN滤波器存在的扩展项复杂度较高问题,结合多通道扩展项的时延特性分析,设计给出RTOCN滤波器的对角结构形式,引入通道约简策略选择主对角通道以优化扩展项的数量,建立一种通道约简的对角结构 RTOCN（Channel-reduced diagonal RTOCN,CRD-RTOCN）控制算法,并深入讨论了该算法的计算复杂度。仿真结果表明:相比于 CEMD-SOC-FXLMS、TOVFELMS、FSLMS 和RFSLMS算法,所提出的算法具有最佳的降噪性能。（3）针对非线性ANC控制系统中参考噪声非平稳性问题,提出一种基于EWT与CRD-RTOCN的ANC控制算法。结合非平稳噪声特性分析,引入经验小波分解方法自适应分解参考噪声,借助其正交分解特性使目标噪声分量更加平稳且易于控制;采用CRD-RTOCN滤波器非线性扩展分解噪声分量,深入讨论了算法的计算复杂度。仿真结果表明:相比于 TD-FXLMS、DWT-TD-FXLMS 和 CEMD-SOC-FXLMS算法,该算法能有效控制非平稳噪声及补偿高阶非线性扰动。

关键词：有源噪声控制非线性路径非平稳噪声切比雪夫滤波器经验小波分解

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

自适应信号处理算法对比分析

信息技术 2018年第3期42卷 22-26,33页

作者：乔丽红贾曼曼梁义涛河南工业大学信息科学与工程学院郑州450001

时频分析技术是处理非平稳信号的有效手段,非平稳信号的时频表示是人们研究的热点问题。针对此问题,人们提出了一系列的自适应信号处理方法,包括经验模态分解(Empirical Mode Decomposition,简称EMD)、集合经验模态分解(Ensemble Empiri... 详细信息

时频分析技术是处理非平稳信号的有效手段,非平稳信号的时频表示是人们研究的热点问题。针对此问题,人们提出了一系列的自适应信号处理方法,包括经验模态分解(Empirical Mode Decomposition,简称EMD)、集合经验模态分解(Ensemble Empirical Mode Decomposition,简称EEMD)、互补集合经验模态分解(Complementary Ensemble Empirical Mode Decomposition,简称CEEMD)、经验小波变换(Empirical Wavelet Transform,简称EWT)、变分模态分解(Variational Mode Decomposition,简称VMD)。阐述了它们算法的基本思想和研究成果,并通过实际信号的例子对不同算法进行了实验对比分析,指出了不同算法的优点和缺点,在对近期研究进展分析的基础上展望了自适应信号处理的发展方向。

关键词：非平稳信号自适应经验模态分解经验小波分解变分模态分解

在线全文

学校读者我要写书评

暂无评论

基于改进EWT的模拟电路故障诊断研究

计算机技术与发展 2019年第3期29卷 154-158页

作者：王宁李志华窦修超河海大学能源与电气学院江苏南京211100

针对模拟电路故障信号非线性、非平稳性、容差性的特点,提出了一种基于经验小波变换(EWT)的模拟电路故障诊断方法。但信号分解需要设定分割模态个数,为实现经验小波变换中Fourier谱的自适应分割,提出了自适应无参的经验小波变换(APEWT)... 详细信息

针对模拟电路故障信号非线性、非平稳性、容差性的特点,提出了一种基于经验小波变换(EWT)的模拟电路故障诊断方法。但信号分解需要设定分割模态个数,为实现经验小波变换中Fourier谱的自适应分割,提出了自适应无参的经验小波变换(APEWT)方法。经验小波变换能有效分离信号的调幅调频成分,将改进方法对Leapfrog benchmark电路不同故障的输出信号进行模态分解以及时频能量谱分析,采取人工智能算法进行实验分析,结果表明其分解的各分辨率模态具有相应的时域特征。并与希尔伯特黄变换的方法进行对比,表明所提出的方法不仅能有效地提取模拟电路软故障特征,诊断正确率高于后者,而且具有完备小波理论支撑,计算速度快,不存在虚假分量的特点。这为模拟电路故障在线诊断提供了新思路。

关键词：模拟电路故障诊断经验小波分解人工智能信号分离