检索结果-南通市图书馆

基于卷积与Transformer融合框架的列车轮对轴承损伤识别方法

在线全文

学校读者我要写书评

暂无评论

工程科学学报 2024年

作者：邓飞跃蔡毓龙王锐郑守禧石家庄铁道大学机械工程学院

针对传统机器视觉方法在列车轮对轴承损伤检测中存在的图像特征提取不敏感、专家经验要求高以及识别准确率偏低等问题，本文提出了一种基于卷积与Transformer融合框架的列车轮对轴承损伤识别方法。首先，发展了一种图像增强类别重组的... 详细信息

针对传统机器视觉方法在列车轮对轴承损伤检测中存在的图像特征提取不敏感、专家经验要求高以及识别准确率偏低等问题，本文提出了一种基于卷积与Transformer融合框架的列车轮对轴承损伤识别方法。首先，发展了一种图像增强类别重组的预处理方法，消除不同类别数据样本不均衡的影响，提高图像数据集质量；其次，基于卷积与自注意力融合思想，设计了VGG与Transformer双分支并行融合网络（VGG and Transformer parallel fusion network， VTPF-Net），综合获取图像全局轮廓特征与局部细节特征信息；再次，构建了多尺度膨胀空间金字塔卷积（Multiscale dilation spatial pyramid convolution， MDSPC）模块，利用多尺度膨胀卷积递进融合充分挖掘特征图中多尺度语义特征；最后，基于NEU-DET图像缺陷数据集与自建列车轮对轴承图像数据集进行了实验分析。结果表明，所提模型对NEU-DET数据中6类缺陷图像与轮对轴承4类故障图像的识别准确率分别为99.44%与98%，能够较为准确识别不同损伤类型图像样本，在不明显增加模型复杂度基础上各项评价指标要显著优于当前CNN模型、自注意力机制ViT模型以及CNN-Transformer融合模型。

关键词：轮对轴承损伤识别卷积网络 Transformer网络多尺度特征

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

VMD引导的轮对与轴承复合故障诊断方法

西南交通大学学报 2024年第1期59卷 151-159页

作者：易彩林建辉汪浩廖小康吴文逸冉乐西南交通大学轨道交通运载系统全国重点实验室四川成都610031 西南交通大学电气工程学院四川成都610031

针对列车轮对轴承系统复合故障难以辨识与诊断问题,提出一种变分模态分解(variational mode decomposition,VMD)引导的多故障特征提取匹配方法.首先,为避免预定义模式数在运行过程中对先验知识依赖从而对诊断结果造成影响,对原始轴箱振... 详细信息

针对列车轮对轴承系统复合故障难以辨识与诊断问题,提出一种变分模态分解(variational mode decomposition,VMD)引导的多故障特征提取匹配方法.首先,为避免预定义模式数在运行过程中对先验知识依赖从而对诊断结果造成影响,对原始轴箱振动数据进行逐阶VMD分解,模式数为2~N;其次,对VMD分解获取的本征模态函数(VMD intrinsic mode functions,VIMF)进行相关峭度计算,提取相关峭度最大的VIMF;然后,将相关峭度最大的VIMF进行平方包络分析,提取故障特征频率;最后,将所提方法与快速峭度谱、相关峭度谱方法进行对比.仿真信号和试验数据分析表明:所提方法完全规避了VMD模型中关键参数K的选择问题,可以准确、有效地分别提取出轮对和轴承的故障特征;与快速谱峭度与相关谱峭度方法相比,获取的故障特征谐波分量在数量和信噪比上均具有明显优势.

关键词：变分模态分解复合故障诊断轮对轴承相关峭度平方包络

基于EEMD和参数自适应VMD的高速列车轮对轴承故障诊断

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1期41卷 68-77页

作者：李翠省廖英英刘永强石家庄铁道大学交通运输学院石家庄050043 石家庄铁道大学省部共建交通工程结构力学行为与系统安全国家重点实验室石家庄050043

针对高速列车轮对轴承工作环境复杂,振动信号中时常伴有冲击性噪声和循环平稳性噪声,使得传统的参数自适应变分模态分解(variational modal decomposition,VMD)方法对轮对轴承的故障特征信息提取不准确的问题,提出了一种基于集成经验模... 详细信息

针对高速列车轮对轴承工作环境复杂,振动信号中时常伴有冲击性噪声和循环平稳性噪声,使得传统的参数自适应变分模态分解(variational modal decomposition,VMD)方法对轮对轴承的故障特征信息提取不准确的问题,提出了一种基于集成经验模态分解(ensemble empirical mode decomposition,EEMD)预处理的改进参数自适应VMD方法。首先利用EEMD对采集到的振动信号进行分解,计算原始信号以及各分量的包络峭度值,选取峭度值大于原始信号峭度值的分量进行重构,生成新的振动信号;其次以局部最大包络谱峭度为目标函数,利用基于粒子群的参数自适应VMD方法分析新信号,从而确定最佳参数;最后将优化后的VMD用于新信号的分解,选取包络谱峭度值最大的分量进行包络解调分析。通过仿真和试验数据分析,证明了该方法在强噪声干扰下仍具有优良的故障特征提取效果。研究结果对提高列车轮对轴承故障诊断效果有一定的理论意义和应用价值。

关键词：轮对轴承故障诊断变分模态分解(VMD) 包络峭度包络谱峭度

基于分层算子形态小波的轮对轴承复合故障检测

在线全文

学校读者我要写书评

暂无评论

机械工程学报 2022年第10期58卷 1-11页

作者：李奕璠杨杰陈再刚易彩林建辉西南交通大学机械工程学院成都610031 西南交通大学牵引动力国家重点实验室成都610031

形态学算子可以分为降噪型算子和特征提取型算子两大类。现有的形态非抽样小波方法在多层分解的每一层均使用相同的形态学算子,但反复使用某种降噪型或特征提取型算子有时很难准确获得信号的特征信息。为此,提出分层算子形态非抽样小波... 详细信息

形态学算子可以分为降噪型算子和特征提取型算子两大类。现有的形态非抽样小波方法在多层分解的每一层均使用相同的形态学算子,但反复使用某种降噪型或特征提取型算子有时很难准确获得信号的特征信息。为此,提出分层算子形态非抽样小波,每一层分解采用不同的形态学算子,通过对去噪型和特征提取型算子的有机融合,方法在故障特征提取方面具有更强的针对性、灵活性,同时也具有明确的物理意义和可解释性。针对轮对轴承复合故障的特点,提出一种局部特征幅值比原则,从不同分辨率对应的不同分析尺度的分析结果中,分别挑选出对不同类型故障最为敏感的分析尺度,进而实现复合故障中各故障的有效分离。在试验台采集轮对轴承复合故障振动信号,将提出的分层算子形态小波应用于实测数据的分析。研究结果表明,提出的方法能有效检测轮对轴承复合故障,与现有的形态非抽样小波方法相比,分层算子形态小波对复合故障的辨识能力更强。

关键词：形态非抽样小波形态滤波故障诊断复合故障轮对轴承

变转速工况下基于快速谱平均峭度图的列车轮对轴承故障诊断

在线全文

学校读者我要写书评

暂无评论

铁道学报 2023年

作者：刘文朋杨绍普刘泽潮刘永强顾晓辉石家庄铁道大学省部共建交通结构力学行为与系统安全国家重点实验室石家庄铁道大学河北省交通工程结构力学行为演变与控制重点实验室

由于受到轮轨激励的干扰，轮对轴承故障特征易被背景噪声淹没，且在变转速模式下故障特征具有时变性，进一步加剧了提取难度。为解决上述难题，提出一种基于快速谱平均峭度图的列车轮对轴承故障特征提取方法。根据频谱趋势将频谱划分为... 详细信息

由于受到轮轨激励的干扰，轮对轴承故障特征易被背景噪声淹没，且在变转速模式下故障特征具有时变性，进一步加剧了提取难度。为解决上述难题，提出一种基于快速谱平均峭度图的列车轮对轴承故障特征提取方法。根据频谱趋势将频谱划分为若干子带，采用Meyer小波构造带通滤波器，计算每个窄带滤波信号的平均峭度并构造快速谱平均峭度图；选取最优频带进行解调，消除背景噪声的影响；通过相位函数对滤波信号进行迭代广义解调，解决时变故障冲击间隔带来的频谱模糊问题。仿真和实验分析结果表明：所提方法有效克服了强背景噪声和时变故障特征的干扰，为变转速工况下轮对轴承故障特征提取提供了新的解决策略。

关键词：轮对轴承故障诊断变转速平均峭度迭代广义解调

基于广义精细复合多尺度散布熵的机车轮对轴承智能诊断方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

机械设计与研究 2022年第4期38卷 119-124,137页

作者：陆毅华东交通大学载运工具与装备教育部重点实验室南昌330013

针对机车轮对轴承单一与复合故障在内的不同健康状况的识别问题,引入一种基于精细复合多尺度散布熵改进的非线性动力学分析方法—广义精细复合多尺度散布熵。该方法解决了熵值波动大、计算不准确的问题,在计算过程中能获取更多有效信息... 详细信息

针对机车轮对轴承单一与复合故障在内的不同健康状况的识别问题,引入一种基于精细复合多尺度散布熵改进的非线性动力学分析方法—广义精细复合多尺度散布熵。该方法解决了熵值波动大、计算不准确的问题,在计算过程中能获取更多有效信息。将之与灰狼算法优化的支持向量机结合,提出了一种机车轮对轴承智能诊断方法。为验证其效果,本文采用南昌铁路局实际机车轮对轴承数据进行实验,得到结论:所提方法识别准确率明显高于多尺度散布熵与精细复合多尺度散布熵的方法,而且能精确地识别复合故障以及不同程度故障,具有较大实际意义。

关键词：轮对轴承广义精细复合多尺度散布熵灰狼算法支持向量机故障诊断

一种多层经验小波变换与多指标交叉融合的列车轮对轴承故障诊断研究

在线全文

学校读者我要写书评

暂无评论

重庆理工大学学报（自然科学） 2022年第6期36卷 156-163页

作者：王大鹏李忞邓飞跃中车大连机车车辆有限公司辽宁大连116000 石家庄铁道大学机械工程学院石家庄050043

列车轮对轴承在长期使用过程中极易产生各类故障,但恶劣的工况导致其故障诊断较为困难,针对这一问题,提出了一种基于多层经验小波变换(multi-layer empirical wavelet transform,MLEWT)与多指标交叉融合的列车轮对轴承故障诊断方法。所... 详细信息

列车轮对轴承在长期使用过程中极易产生各类故障,但恶劣的工况导致其故障诊断较为困难,针对这一问题,提出了一种基于多层经验小波变换(multi-layer empirical wavelet transform,MLEWT)与多指标交叉融合的列车轮对轴承故障诊断方法。所提MLEWT方法在划分信号频谱边界过程中,不再以局部极值点作为频谱区间划分依据,而是通过设定频谱区间个数来对整个信号频谱进行多层分解,得到多个模态分量信号。提出了一种基于交叉融合峭度、平滑因子、稀疏值和峰值系数4个统计量指标的故障稀疏度大小评价方法,该方法将多个统计量指标综合考虑,有效克服了单一指标存在的不足,自适应搜寻信号MLEWT后最优的模态分量信号。通过对最优模态分量信号进行包络解调分析诊断出轴承故障。仿真信号和实际轮对轴承故障信号的分析结果表明:所提方法可以有效提取轴承故障特征信息,诊断效果优于传统的谱峭度和EWT方法。

关键词：轮对轴承故障诊断经验小波变换评价指标

基于WPT-ESCDE的电气设备运输车轮对轴承故障特征提取方法

在线全文

学校读者我要写书评

暂无评论

中国工程机械学报 2023年第2期21卷 183-188页

作者：张敏万书亭王萱蔡伟张雄国网浙江省电力有限公司超高压分公司浙江杭州310000 华北电力大学机械工程系河北保定071003 燕山大学机械工程学院河北秦皇岛066004

变压器等电气设备的吊装、转运环节是疏于监控的薄弱环节,极易发生机械冲击引起的二次损伤,而轨道运输车的轮对承载特性及轮对轴承运行状态关乎运输安全。综合考虑轨道运输车轮对轴承运输环境,分析振动信号中存在的主要成分及特征,提出... 详细信息

变压器等电气设备的吊装、转运环节是疏于监控的薄弱环节,极易发生机械冲击引起的二次损伤,而轨道运输车的轮对承载特性及轮对轴承运行状态关乎运输安全。综合考虑轨道运输车轮对轴承运输环境,分析振动信号中存在的主要成分及特征,提出一种基于小波包-包络谱相关散布熵(WPT-ESCDE)的故障特征提取方法。首先,对振动信号的离散时间序列进行小波包分解,并对小波包子带系数进行重构;其次,对每个小波包子带计算平方包络谱,得到离散频率序列,将得到的小波包子带包络谱离散序列看作广义时间序列进行相关分析,得到包络谱相关函数;最后,计算包络谱相关函数的散布熵,筛选最优小波包子带序列进行特征提取。通过仿真分析和QPZZ-Ⅱ旋转机械故障模拟实验台实测信号验证了所提方法的有效性。

关键词：电气设备轨道运输车轮对轴承振动信号分析小波包包络谱相关散布熵

在线全文

学校读者我要写书评

暂无评论

基于共振稀疏分解的轮对轴承故障诊断

基于共振稀疏分解的轮对轴承故障诊断

作者：孙振宇石家庄铁道大学

学位级别：硕士

我国轨道交通的快速发展对列车运行状态的健康监测和故障诊断提出了更高的要求。轴承是铁路机车车辆的重要零部件,其运行状态对列车的安全平稳运行起着不可忽视的作用。因此,针对轮对轴承开展与之相关的故障诊断研究有着重大的应用价值... 详细信息

我国轨道交通的快速发展对列车运行状态的健康监测和故障诊断提出了更高的要求。轴承是铁路机车车辆的重要零部件,其运行状态对列车的安全平稳运行起着不可忽视的作用。因此,针对轮对轴承开展与之相关的故障诊断研究有着重大的应用价值和工程意义。本文针对轮对轴承的单一故障、复合故障和故障尺寸估计等问题,基于共振稀疏分解(Resonance Sparse Signal Decomposition,RSSD)方法开展了一系列研究,并通过模拟仿真和工程实验数据进行了验证,证明了本文所提方法的可行性和有效性。具体研究内容如下:(1)针对RSSD参数优化和最优共振频带的选择等问题,利用平方包络(Squared Envelope,SE)负熵表征故障信号的冲击性,平方包络谱(Squared Envelope Spectrum,SES)负熵表征故障信号的循环平稳性,提出了一种轮对轴承单一故障诊断方法,该方法通过多目标灰狼算法(Multi Objective Gray Wolf Optimizer,MOGWO)优化品质因子Q,并基于熵值权重法选择最佳子带进行包络解调,最后通过仿真和实验数据的验证,证明在统一考虑故障信号的冲击性和循环平稳性的情况下,可实现在复杂干扰下利用RSSD提取出轮对轴承轴承故障特征。与单目标优化结果相比,证明了多目标提取故障特征的有效性。(2)针对轮对轴承复合故障难以准确分离的问题,在MOGWO-RSSD的基础之上,结合独立成分分析(Independent Component Analysis,ICA),提出了一种复合故障分离方法,该方法利用MOGWO-RSSD将轴承故障信号的冲击成分和噪声干扰分离,再对包含复合故障的高共振分量进行重构以作为ICA的输入矩阵,通过ICA将不同故障源产生的故障分离到不同IC分量,最后通过仿真和实验验证了该方法可以从复合故障信号提取出不同故障的故障特征频率及其倍频。(3)通过对滚动轴承双冲击特征的分析,提出了一种基于AR-RSSD的双冲击特征提取方法,并结合轴承运动学分析,得到了轴承故障尺寸大小估计公式,完成了对轴承局部缺陷尺寸的估计,最终通过双冲击仿真信号、凯斯西储大学轴承实验台实验数据和高速列车轴承综合实验台实验数据完成了对所提方法的验证,实现了对轴承局部故障尺寸大小的估计。

关键词：轮对轴承共振稀疏分解单一故障复合故障故障尺寸估计