检索结果-南通市图书馆

自适应局部迭代滤波及其在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

自适应局部迭代滤波及其在滚动轴承故障诊断中的应用

作者：段诚成湖南大学

学位级别：硕士

滚动轴承是旋转机械的重要组成部分之一,对滚动轴承故障诊断技术的研究具有重要的意义。对故障信号进行分析,提取有效的故障特征信息,一直是滚动轴承故障诊断研究的重点之一。由于滚动轴承的振动信号具有典型的非线性、非平稳特性,时频... 详细信息

滚动轴承是旋转机械的重要组成部分之一,对滚动轴承故障诊断技术的研究具有重要的意义。对故障信号进行分析,提取有效的故障特征信息,一直是滚动轴承故障诊断研究的重点之一。由于滚动轴承的振动信号具有典型的非线性、非平稳特性,时频分析方法作为一种有效地非平稳信号处理方法,广泛的应用于滚动轴承故障诊断中。近年来,小波分析、经验模态分解、变分模态分解等多种时频分析方法已经广泛地应用于滚动轴承故障诊断,取得了大量的研究成果。但是,由于不同的时频分析方法都存在着一定的局限性,因此,现有的时频分析方法并不能完全满足滚动轴承故障诊断的实际需求。基于这样的原因,本文引入了一种新的时频分析方法——自适应局部迭代滤波方法(Adaptive Local Iterative Filtering,ALIF),在对ALIF方法进行理论研究和改进的基础上,将ALIF方法与随机向量函数链接网络(RVFL)、胶囊网络(Capsule network)等方法相结合,应用于滚动轴承故障诊断当中。论文主要的研究内容和创新点如下:1.研究了ALIF方法的基本原理,通过仿真对比,验证了ALIF的分解性能优于经验模态分解、局部均值分解、变分模态分解等方法,将ALIF方法应用于滚动轴承滚动体故障诊断中,证明ALIF方法能够有效地提取滚动体故障的故障特征。2.针对ALIF方法的分解能力进行了进一步的研究,提出基于微分算子的自适应局部迭代滤波方法(Differential Adaptive Local Iterative Filtering,DALIF),有效地提升了ALIF方法的分解能力。通过建立分解能力模型,研究不同频率比、幅值比下DALIF方法分解的效果。通过仿真和实验信号验证了DALIF方法的有效性。3.针对ALIF方法分解含高频间歇分量的信号时会产生模态混叠现象,采用噪声辅助法对其进行改进。通过研究ALIF分解白噪声的特性,从理论上证明可以通过白噪声改变信号的极值点分布。在此基础上,提出集成自适应局部迭代滤波方法(Ensemble Adaptive Local Iterative Filtering,EALIF),该方法通过多次向待分解信号中添加一定幅值的白噪声来抑制模态混叠的产生。该方法同时利用ALIF本身的特点,有效地剔除白噪声分量,使得分解结果不会受到人为添加噪声的影响。采用仿真和实验信号进一步验证EALIF方法的有效性和实用性。4.首先提出了集成微分自适应局部迭代滤波方法(Ensemble Differential Adaptive Local Iterative Filtering,EDALIF)并与随机向量函数链接网络相结合,提出一种新的滚动轴承故障诊断方法。该方法利用EDALIF对滚动轴承振动信号进行分解,提取各个分量的特征值,构成运行状态的特征向量,将得到的特征向量输入RVFL网络中进行模式识别。实验证明,该方法能够有效地对不同故障类型的滚动轴承振动信号进行区分。5.提出了基于EDALIF方法和胶囊网络的滚动轴承故障诊断方法。通过EDALIF方法对滚动轴承振动信号进行分解,选择包含故障特征的主要成分进行重构,剔除冗余信息和噪声分量。利用胶囊网络强大的高维输入处理能力和非线性逼近能力,将重构信号直接输入胶囊网络进行模式识别。实验验证了该方法能够对不同故障类型和故障程度的滚动轴承振动信号进行有效地区分。

关键词：自适应局部迭代滤波集成微分自适应迭代滤波滚动轴承分解能力模态混叠故障诊断

基于自适应局部迭代滤波和能量算子解调的滚动轴承故障特征提取

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

南京理工大学学报 2018年第4期42卷 445-452页

作者：陈保家汪新波赵春华陈法法邱光银田红亮三峡大学水电机械设备设计与维护湖北省重点实验室湖北宜昌443002 三峡大学机械与动力学院湖北宜昌443002

为了提高滚动轴承的故障特征提取可靠性,该文提出了一种基于自适应局部迭代滤波(Adaptive local iterative filtering,ALIF)和能量算子解调的滚动轴承故障特征提取的方法。该方法首先利用ALIF将轴承的故障振动信号分解为若干个本征模态... 详细信息

为了提高滚动轴承的故障特征提取可靠性,该文提出了一种基于自适应局部迭代滤波(Adaptive local iterative filtering,ALIF)和能量算子解调的滚动轴承故障特征提取的方法。该方法首先利用ALIF将轴承的故障振动信号分解为若干个本征模态函数(Intrinsic mode function,IMF)分量,然后对包含故障信息最多的分量进行能量算子解调,得到分量的包络谱来提取轴承的故障特征。仿真结果表明:ALIF能够准确获取IMF分量,解决经验模式分解(Empirical mode decomposition,EMD)带来的模式混叠问题,结合能量算子解调方法能更好地凸显故障信号的包络谱特征,有效地提取轴承故障特征频率。

关键词：自适应局部迭代滤波本征模态函数滚动轴承能量算子特征提取经验模式分解包络谱

基于自适应局部迭代滤波的滚动轴承故障诊断研究

在线全文

学校读者我要写书评

暂无评论

基于自适应局部迭代滤波的滚动轴承故障诊断研究

作者：葛红平南昌航空大学

学位级别：硕士

滚动轴承作为旋转机械设备不可缺少的重要部件,一旦发生故障将会严重影响到设备的安全稳定运行,因此,深入开展滚动轴承故障诊断技术的研究,对于保障设备安全可靠的运行、避免突发性事故的发生具有重要的意义。论文以滚动轴承为研究对象... 详细信息

滚动轴承作为旋转机械设备不可缺少的重要部件,一旦发生故障将会严重影响到设备的安全稳定运行,因此,深入开展滚动轴承故障诊断技术的研究,对于保障设备安全可靠的运行、避免突发性事故的发生具有重要的意义。论文以滚动轴承为研究对象,从轴承振动信号的处理着手,将自适应局部迭代滤波方法(ALIF)应用于滚动轴承故障诊断中。主要研究内容如下:通过仿真信号对ALIF和经验模态分解(EMD)方法的分解性能进行比较,结果表明,与EMD方法相比,ALIF在信号分解能力、瞬时特征的精确性以及模态混叠抑制能力等方面均具有一定的优势。并通过滚动轴承内圈故障振动信号进行对比分析,进一步证明了ALIF方法能有效地抑制模态混叠效应。为实现滚动轴承故障特征信息的精确提取,提出了基于ALIF和频率加权能量算子(FWEO)的滚动轴承故障特征提取方法。首先采用ALIF将轴承故障振动信号分解为一系列具有单一成分的模态分量,然后依据峭度—相关系数准则筛选出前两个分量进行重构,最后利用频率加权能量算子对重构信号进行解调分析,从其能量谱中提取明显的频率成分来诊断故障类型。将该方法应用于滚动轴承故障仿真信号和外圈故障振动信号中,并与EMD—FWEO的故障特征提取方法进行比较,结果表明,所提方法能够更加精确地提取出故障振动信号的特征频率,准确地识别出故障的类型。为实现滚动轴承的智能故障诊断,提出了基于ALIF复合多尺度散布熵偏均值和GK聚类的滚动轴承故障诊断方法。首先利用ALIF将轴承振动信号分解为若干个具有单一成分的模态分量,然后利用互相关系数法筛选出前3个相关系数较大的分量作为研究对象,并计算其复合多尺度散布熵偏均值作为特征向量,最后通过GK聚类算法对所得的特征向量进行识别分类。将该方法应用于不同故障类型和不同损伤程度的滚动轴承实验数据中,并使用分类系数和平均模糊熵对分类性能进行评价,结果表明,与基于EMD复合多尺度散布熵偏均值和GK聚类的故障诊断方法相比,所提方法具有更好的分类性能。

关键词：滚动轴承自适应局部迭代滤波频率加权能量算子复合多尺度散布熵偏均值 GK聚类

基于自适应局部迭代滤波的磁共振测深信号包络提取算法研究

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

基于自适应局部迭代滤波的磁共振测深信号包络提取算法研究

作者：刘隆昌吉林大学

学位级别：硕士

磁共振测深（Magnetic Resonance Sounding,MRS）是一种探测地下水的地球物理方法,它最突出的优点是可以直接定量确定地下水的含量。在实际应用中,MRS的背景场利用的是地磁场,MRS信号本身比较微弱且在野外实验环境中无法采取有效的屏蔽... 详细信息

磁共振测深（Magnetic Resonance Sounding,MRS）是一种探测地下水的地球物理方法,它最突出的优点是可以直接定量确定地下水的含量。在实际应用中,MRS的背景场利用的是地磁场,MRS信号本身比较微弱且在野外实验环境中无法采取有效的屏蔽手段,因而环境中的随机噪声、工频谐波干扰以及偶发尖峰噪声均会对纳伏级别的MRS信号造成影响,导致难以实现MRS信号的有效提取。自适应局部迭代滤波算法（Adaptive local iterative filtering,ALIF）是2016年Antonio Cicone提出的一种非线性非平稳信号处理分析方法。在迭代分解的思想基础上,利用福克普朗克偏微分方程的基础解系来构建滤波函数,且该滤波函数具有自适应的特点,通过恰当的参数选取可以获得精确的本征模态函数（Intrinsic Mode Function,IMF）分量。它有着坚实的数学基础,已被应用在水力发电、风力发电以及滚动轴承故障检测等领域,鉴于该算法的诸多优势以及MRS信号在复杂噪声干扰下难以有效提取的问题,本文提出了基于ALIF的MRS信号包络提取算法研究。首先,根据MRS信号数学模型以及常见噪声的时频特征,建立含噪MRS信号数据模型。基于ALIF算法的基本原理,实现了MRS信号的包络提取。在此基础上,以初始振幅和弛豫时间的不确定度为依据,采用遍历的方式实现了对影响ALIF算法性能的两个关键参数（分解阶数及掩码系数）的选取。通过仿真实验,证明了在高斯噪声和工频谐波噪声干扰下,ALIF算法有效地提取出MRS信号的包络,与无噪包络的相关系数达到0.97。其次,根据已经选取的算法参数,开展ALIF算法的稳定性分析。在白噪声幅值、工频谐波噪声幅值、平均弛豫时间与Larmor频率等因素变化时,分别利用ALIF算法进行处理,处理后平均信噪比提高了30～42 d B,初始振幅的拟合误差在±5%之内,平均弛豫时间的拟合误差在±5%之内。根据得到的统计结果分析,验证了算法的稳定性。同时,开展了ALIF算法与经典的谐波建模方法和集总经验模态分解（Ensemble Empirical Mode Decomposition,EEMD）算法的对比分析实验,结果表明,ALIF算法无论在处理效率还是结果的准确度上都更具有优势。此外,为了验证ALIF算法的普适性,开展了多指数MRS信号数据的处理分析,仍然取得了较为良好的效果。最后,开展了基于ALIF算法的室外模拟测试数据和野外实测数据的采集与处理。在长春市文化广场和长春市烧锅镇分别进行了室外模拟测试数据的采集和野外实测数据的采集,利用ALIF算法对室外模拟测试的MRS信号进行处理,信噪比提高了约30 d B。此外,均与谐波建模方法和EEMD算法的处理结果进行了对比,进一步表明了该算法的优势,验证了该算法的有效性和实用性。本文的创新性工作如下:1.针对MRS信号包络难以提取的问题,提出采用自适应局部迭代滤波方法,能够实现MRS信号包络的有效提取。2.采用遍历方式确定最佳掩码系数与分解阶数组合,使算法得到优化,提高包络提取的准确度。

关键词：磁共振测深低信噪比包络提取自适应局部迭代滤波

自适应局部迭代滤波与模糊熵在齿轮系统故障识别中的应用

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

机械传动 2021年第5期45卷 146-152页

作者：张文斌江洁普亚松俞利宾郭德伟闵洁红河学院工学院云南省高校高原机械性能分析与优化重点实验室云南蒙自661199

针对齿轮系统实测信号受噪声干扰而不能准确反映故障特征的问题,提出了一种自适应局部迭代滤波与模糊熵相结合的故障识别方法。利用自适应局部迭代滤波可以将齿轮非平稳信号分解为有限个平稳的本质模态函数,由于自适应局部迭代滤波能有... 详细信息

针对齿轮系统实测信号受噪声干扰而不能准确反映故障特征的问题,提出了一种自适应局部迭代滤波与模糊熵相结合的故障识别方法。利用自适应局部迭代滤波可以将齿轮非平稳信号分解为有限个平稳的本质模态函数,由于自适应局部迭代滤波能有效分离出齿轮系统的转频信号,因此,以转频信号对应的本质模态函数为分界,计算前几个本质模态函数的模糊熵,最后,通过计算不同工况振动信号模糊熵的灰色关联度来识别齿轮系统不同的故障类型。结果表明,该方法能够有效地应用于齿轮系统的故障诊断。

关键词：故障分析齿轮信号处理自适应局部迭代滤波模糊熵

在线全文

学校读者我要写书评

暂无评论

自适应局部迭代滤波在齿轮故障识别中的应用

工矿自动化 2021年第1期47卷 74-80,I0004页

作者：郭德伟普亚松江洁俞利宾闵洁张文斌红河学院工学院云南蒙自661199 云南省高校高原机械性能分析与优化重点实验室云南蒙自661199

针对齿轮实测信号因受噪声干扰而不能准确反映故障特征的问题,提出将自适应局部迭代滤波应用到齿轮故障识别中,与样本熵、灰色关联度相结合实现齿轮的故障识别。利用自适应局部迭代滤波将齿轮非平稳信号分解为有限个平稳的本质模态函数... 详细信息

针对齿轮实测信号因受噪声干扰而不能准确反映故障特征的问题,提出将自适应局部迭代滤波应用到齿轮故障识别中,与样本熵、灰色关联度相结合实现齿轮的故障识别。利用自适应局部迭代滤波将齿轮非平稳信号分解为有限个平稳的本质模态函数,通过计算各本质模态函数的样本熵,发现以齿轮系统的转频信号对应的本质模态函数的样本熵为界,前几个本质模态函数的样本熵能表征不同故障类型的特征;计算齿轮系统正常、齿面轻度磨损、齿面中度磨损和断齿4种工况下多个训练样本的样本熵的平均值,将其作为对应工况标准故障模式的参考值;计算待检测样本的样本熵与各状态下训练样本的样本熵平均值之间的灰色关联度,与待识别样本灰色关联度最大的标准故障模式即被认为是待识别样本的故障类型。实例分析结果表明,通过自适应迭代滤波能有效抑制模态混叠现象,发现明显的齿轮转频信号,而采用集合经验模式分解(EEMD)方法进行信号分解后,模态混叠现象比较明显,且在EEMD的分解结果中基本看不出齿轮的转频分量;4种工况的样本熵曲线形状存在明显差异,说明样本熵能有效表征齿轮故障特征的变化;灰色关联度方法能有效地将4种不同的故障类型进行分类识别,分类识别性能优于BP神经网络,对小样本数据具有较好的分类识别能力。

关键词：齿轮故障识别自适应局部迭代滤波样本熵灰色关联度转频信号

基于自适应局部迭代滤波的磁共振测深信号包络提取算法

在线全文

学校读者我要写书评

暂无评论

基于自适应局部迭代滤波的磁共振测深信号包络提取算法

基于特征增强与LSTM的滚动轴承故障诊断方法

中国地球物理学会地球物理技术委员会第九届学术会议—全域地球物理探测与智能感知学术研讨会

作者：刘隆昌林育德邱创乾蒋川东田宝凤吉林大学仪器科学与电气工程学院逢甲大学自动控制工程系地球信息探测仪器教育部重点实验室

磁共振测深(Magnetic Resonance Sounding,MRS)可以定量确定地下水存储状态。但在实际应用中,由于该方法采用天然地磁场作为背景激励场,无法采取屏蔽措施,在低信噪比环境下难以实现MRS信号的有效提取。本文提出了利用自适应局部迭代滤... 详细信息

磁共振测深(Magnetic Resonance Sounding,MRS)可以定量确定地下水存储状态。但在实际应用中,由于该方法采用天然地磁场作为背景激励场,无法采取屏蔽措施,在低信噪比环境下难以实现MRS信号的有效提取。本文提出了利用自适应局部迭代滤波算法的信号处理方案,对磁共振测深信号的包络进行提取。以初始振幅和弛豫时间的不确定度为依据,采用遍历的方式对算法的分解阶数及掩码系数进行选取。通过进行仿真实验,证明了本算法能够在高斯白噪声和工频谐波噪声干扰的情况下,有效地提取出MRS信号包络,提取后的包络与理想包络的相关系数可以达0.97。在不同噪声类型和噪声强度下,处理后平均信噪比提高35～40dB,对野外实测数据的处理也验证了该算法的有效性。

关键词：磁共振测深低信噪比包络提取自适应局部迭代滤波

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

机床与液压 2024年

作者：惠兴胜于树坤纪威刘士彩孙波中国电信股份有限公司烟台分公司山东科技大学电子信息工程学院无棣县公共就业和人才服务中心山东科技大学智能装备学院

滚动轴承是旋转机械设备中重要的基础零部件，广泛应用于各种工业设备。目前，已有多位学者对轴承故障诊断进行了研究。由于滚动轴承的工作环境复杂多变，传统的信号处理技术难以在噪声和其他部件的干扰下检测到微弱的早期故障特征，并... 详细信息

滚动轴承是旋转机械设备中重要的基础零部件，广泛应用于各种工业设备。目前，已有多位学者对轴承故障诊断进行了研究。由于滚动轴承的工作环境复杂多变，传统的信号处理技术难以在噪声和其他部件的干扰下检测到微弱的早期故障特征，并且传统的故障诊断方法存在对人工提取特征的依赖。针对以上问题，本文提出了基于自适应局部迭代滤波（Adaptive Local Iterative Filter， ALIF）和改进差分进化粒子群优化的多点优化最小熵解卷积（Improved Differential Evolution Particle Swarm Optimization Multipoint Optimal Minimum Entropy Deconvolution Adjusted， IDEPSO-MOMEDA）算法对滚动轴承的故障冲击成分进行增强，解决了早期微弱故障特征不容易发现的问题。首先，利用ALIF分解信号，根据峭度-相关系数准则对分解的信号进行重构；其次，利用IDEPSO对MOMEDA进行参数寻优，对重构后的信号进行冲击增强；最后，利用长短时记忆网络（Long Short-Term Memory， LSTM）对滚动轴承实现端到端的智能故障诊断，解决了人工提取特征的不足。通过滚动轴承实验数据验证了该方法的有效性，并与LSTM、ALIF-LSTM、ALIF-IDEPSO-MOMEDA-RNN、ALIF-IDEPSO-MOMEDA-DBN进行了实验对比分析，发现使用本文所提方法ALIF-IDEPSO-MOMEDA-LSTM的故障诊断准确率可达99.78%，进一步证明了该方法的优越性。

关键词：滚动轴承自适应局部迭代滤波多点优化最小熵解卷积长短时记忆网络故障诊断

基于自适应直接快速迭代滤波的滚动轴承故障诊断方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

振动与冲击 2023年第14期42卷 20-29页

作者：丁文海郑近德潘海洋孟瑞牛礼民安徽工业大学机械工程学院安徽马鞍山243032 安徽工业大学液压振动与控制教育部工程研究中心安徽马鞍山243032

直接快速迭代滤波(direct fast iterative filtering,DFIF)是最近提出的一种非线性和非平稳信号分析方法。针对DFIF方法需人为设定滤波区间调整参数,且该参数在迭代计算过程中缺乏自适应性等问题,提出了自适应直接快速迭代滤波(adaptive... 详细信息

直接快速迭代滤波(direct fast iterative filtering,DFIF)是最近提出的一种非线性和非平稳信号分析方法。针对DFIF方法需人为设定滤波区间调整参数,且该参数在迭代计算过程中缺乏自适应性等问题,提出了自适应直接快速迭代滤波(adaptive direct fast iterative filtering,ADFIF)方法,该方法基于瞬时频率波动能量差准则,自适应确定DFIF算法外循环每层迭代筛分过程中最优滤波区间调整参数。ADFIF方法能够自适应地将任意非线性和非平稳信号分解为若干个瞬时频率具有物理意义的近似窄带信号和一个趋势项之和。通过仿真信号和滚动轴承故障信号分析,将所提ADFIF方法与原DFIF、自适应局部迭代滤波、变分模态分解、经验模态分解等方法进行对比,结果表明,所提ADFF方法在抑制模态混叠和抗噪性方面具有一定的优势,且能提取出滚动轴承更多故障特征信息。

关键词：快速迭代滤波自适应局部迭代滤波滚动轴承故障诊断