检索结果-南通市图书馆

作者：钟荣升南昌航空大学

学位级别：硕士

滚动轴承是机械设备中常用的部件之一,被广泛运用于智能制造、航空航天等工业领域,其安全稳定运行与否将影响整个设备的运行状态。由于工作环境、强度等因素的影响,滚动轴承寿命具有较大的不确定性,一旦发生故障,可能引发意外导致财产... 详细信息

滚动轴承是机械设备中常用的部件之一,被广泛运用于智能制造、航空航天等工业领域,其安全稳定运行与否将影响整个设备的运行状态。由于工作环境、强度等因素的影响,滚动轴承寿命具有较大的不确定性,一旦发生故障,可能引发意外导致财产损失甚至人员伤亡,因此,对其开展状态监测与故障诊断研究具有重要的意义。本文以滚动轴承为研究对象,提出了基于自适应调频模式分解(Adaptive Chirped Modal Decomposition,ACMD)的滚动轴承故障诊断方法。为了研究ACMD算法的信号分解效果,构造仿真信号进行分析,并与经典EMD算法的分解结果进行对比,结果表明,ACMD算法在信号分解精确性,分量的时频分辨率以及抑制模态混叠方面更具有优势。运用该算法分析故障振动信号,实现了故障特征信息提取,并与经验模态分解(Empirical Mode Decomposition,EMD)方法对比分析,体现了ACMD算法在滚动轴承故障诊断方面的有效性。为了降低干扰噪声的影响,增强故障特征信息,本文提出了一种ACMD和多点最优最小熵解卷积(Multipoint Optimal Minimum Entropy Deconvolution Adjust,MOMEDA)的滚动轴承故障诊断方法。根据加权峭度准则筛选ACMD算法分解后的敏感分量进行信号重构,然后运用MOMEDA算法对重构信号进行特征信息增强,最后进行包络解调分析。通过与EMD-MOMEDA特征提取结果进行对比,体现了本文所提方法所提取故障信息更多,更精确的优势。为了优化故障诊断流程,改善传统故障方法过于依赖先验知识的问题,针对滚动轴承信号的特点,提出了基于ACMD精细化复合多尺度符号动态熵(Refined Composite Multi-scale Symbolic Dynamic Entropy,RCMSDE)和GG聚类的滚动轴承故障诊断方法。首先运用ACMD算法进行故障信号分解,然后引入精细化复合多尺度符号动态熵,利用特征信号分量的RCMSDE组成特征向量,再将特征向量导入到GG聚类中实现滚动轴承不同故障类型的识别。通过相关聚类指标来评价聚类效果,并与ACMD-K均值聚类和ACMD-GK聚类方法进行了对比,结果表明本文方法聚类效果更好,能够识别滚动轴承不同类型的故障,识别精度较高。为了进一步改善故障流程,提升故障诊断效果,使故障诊断更加智能化、便捷化,本文将ACMD和CNN-Bi GRU-Attention神经网络模型相结合,提出了一种基于ACMD-CNN-Bi GRU-Attention的滚动轴承故障诊断方法。首先运用ACMD分解滚动轴承故障信号,得到一系列分量,再根据加权峭度准则选取特征分量进行信号重构,最后运用CNN-Bi GRU-Attention模型进行学习和智能分类。将该方法运用在10种不同类型的滚动轴承振动信号数据处理中,通过分类准确率、精度等指标对故障诊断结果进行评价,结果表明,所提方法可以实现滚动轴承故障的精确诊断,与原始数据-CNN-Bi GRU-Attention和ACMD-Bi GRU-Attention方法进行对比,本文方法具有更高的故障诊断准确率,精度更高,诊断效果更好。

关键词：滚动轴承自适应调频模式分解多点最优最小熵解卷积 GG聚类神经网络

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

自适应调频模式分解在轴承故障诊断中的应用

引用

华电技术 2020年第1期42卷 54-57页

作者：黄绍伟福建华电可门发电有限公司

轴承故障诊断中的振动信号易受噪声干扰,具有多分量、非平稳的特性。为寻找更优的轴承故障诊断方法,研究了自适应调频模式分解法(ACMD)和其应用。该方法将轴承故障信号自适应分解为多个分量,然后选择峭度最大的分量进行希尔伯特变换并... 详细信息

轴承故障诊断中的振动信号易受噪声干扰,具有多分量、非平稳的特性。为寻找更优的轴承故障诊断方法,研究了自适应调频模式分解法(ACMD)和其应用。该方法将轴承故障信号自适应分解为多个分量,然后选择峭度最大的分量进行希尔伯特变换并计算包络谱,最后通过分析包络谱中的轴承故障特征频率实现故障的诊断。该方法能够有效提取滚动轴承故障信号的特征频率,有良好的应用前景。

关键词：滚动轴承故障诊断自适应调频模式分解峭度包络谱

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ACMD和相空间重构的转子不平衡故障诊断

引用

计算机仿真 2024年第5期41卷 476-482页

作者：高扬帆王乾王新河南理工大学物理与电子信息学院河南焦作454000 郑州轻工业大学电气信息工程学院河南郑州450002

针对转子系统发生频率较高的不平衡故障,提出了一种基于自适应调频模式分解(Adaptive Chirp Mode Decomposition,ACMD)和相空间重构技术相结合的故障诊断方法。首先,通过ACMD将不平衡故障信号分解成若干个分量,使用相关系数进行模式选取... 详细信息

针对转子系统发生频率较高的不平衡故障,提出了一种基于自适应调频模式分解(Adaptive Chirp Mode Decomposition,ACMD)和相空间重构技术相结合的故障诊断方法。首先,通过ACMD将不平衡故障信号分解成若干个分量,使用相关系数进行模式选取;其次,对筛选出的最相关模式进行三维相空间重构(3-dimensional phase space reconstruction,3D-PSR)特征的提取;然后,基于修正后的k-NN分类方法(基于最小欧式距离)原则实现对转子系统不平衡故障的诊断。最后,在转子系统故障试验台上进行实验验证,和已有方法相比,提出的方法可以更有效提取出不平衡故障特征,并且能在样本较小情况下具有更高的准确率。

关键词：不平衡故障自适应调频模式分解相空间重构最小欧式距离

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ACMD和脊检测的滚动轴承非平稳故障诊断

引用

电子测量与仪器学报 2021年第8期35卷 70-78页

作者：刘奇王衍学北京建筑大学机电与车辆工程学院北京100044 北京建筑大学城市轨道交通车辆服役性能保障重点实验室北京100044

针对非平稳状况滚动轴承振动信号易受速度波动、幅值或频率调制、噪声和其他无关分量的干扰,导致生成的时频面复杂,难以识别滚动轴承故障特征频率等问题,提出一种新的基于自适应调频模式分解和脊检测相结合的方法。所提出的方法构建了... 详细信息

针对非平稳状况滚动轴承振动信号易受速度波动、幅值或频率调制、噪声和其他无关分量的干扰,导致生成的时频面复杂,难以识别滚动轴承故障特征频率等问题,提出一种新的基于自适应调频模式分解和脊检测相结合的方法。所提出的方法构建了高分辨率的时频表示,提升了诊断的准确度,而且具有非常强的自适应性。通过对不同健康状况滚动轴承振动信号分析发现,所提方法非常适合于变工况下的滚动轴承故障诊断,且诊断效果优于最新发展的时频分析方法。

关键词：自适应调频模式分解非平稳滚动轴承故障诊断时频分析

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

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：