检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

特征尺度谱算法及其在轴承故障诊断中的应用

振动与冲击 2022年第21期41卷 286-291,298页

作者：王贡献赵博琨胡志辉向磊张淼武汉理工大学物流工程学院武汉430063

针对基于包络谱的方法在轴承故障诊断中存在故障特征谐波衰减过快、并受较强的转频分量干扰,导致对故障程度判断的可靠性降低等问题,提出了一种全新的特征尺度谱轴承故障诊断方法。通过对振动信号进行分帧处理,采用特征算子提取其波动特... 详细信息

针对基于包络谱的方法在轴承故障诊断中存在故障特征谐波衰减过快、并受较强的转频分量干扰,导致对故障程度判断的可靠性降低等问题,提出了一种全新的特征尺度谱轴承故障诊断方法。通过对振动信号进行分帧处理,采用特征算子提取其波动特征,利用二值化阈值处理方式对特征帧信号进行分类,获得信号中的故障区间并对故障区间进行压缩,将故障区间转化成特征脉冲信号,实现故障信号能量增强,并利用仿真信号和轴承故障试验台采集的数据对所提方法进行验证。结果表明:相较基于包络谱的方法,所提方法解决了频谱中故障特征谐波衰减过快的缺点,消除了转频分量的干扰,在低信噪比情况下具有更强的诊断效果。

关键词：轴承故障诊断故障特征谐波特征尺度谱波动特征故障区间

轴承故障诊断FastICA算法性能优化方法

在线全文

学校读者我要写书评

暂无评论

计算机工程与应用 2019年第8期55卷 208-214页

作者：贾宝惠黄琳李耀华蔺越国中国民航大学航空工程学院天津300300

为提高FastICA算法的收敛平稳性和速度,克服FastICA算法对初始值选取敏感的问题,提出在最速下降法中引入松弛因子优化FastICA算法中解混矩阵初始值的方法。首先,按最速下降法负梯度原理确定初始值目标函数最速收敛方向,以最快速度选取... 详细信息

为提高FastICA算法的收敛平稳性和速度,克服FastICA算法对初始值选取敏感的问题,提出在最速下降法中引入松弛因子优化FastICA算法中解混矩阵初始值的方法。首先,按最速下降法负梯度原理确定初始值目标函数最速收敛方向,以最快速度选取靠近目标函数解的粗优值;然后,通过引入松弛因子αk,限制目标函数的下降性质,促使其进入牛顿迭代法收敛区域,最终达到收敛。将优化后的FastICA算法应用于轴承故障诊断中,根据多次仿真次数下迭代时长及时长的波动趋势验证优化FastICA算法在平稳性和速度方面优于传统FastICA算法,且不影响FastICA算法的分离性能,能准确诊断出轴承的故障类型。

关键词： FastICA 算法初值敏感最速下降法松弛因子轴承故障诊断

基于SSA-VMD-MCKD的强背景噪声环境下滚动轴承故障诊断

在线全文

学校读者我要写书评

暂无评论

振动与冲击 2023年第3期42卷 217-226页

作者：任良甄龙信赵云董前程张云鹏燕山大学河北省特种运载装备重点实验室河北秦皇岛066004

为在强背景噪声环境下有效提取滚动轴承微弱故障特征并准确诊断故障,提出奇异谱分析(singular spectrum analysis, SSA)、变分模态分解(variational mode decomposition, VMD)和最大相关峭度解卷积(maximum correlated kurtosis deconvolution, MCKD)结合的滚动轴承故障诊断方法。首先,利用SSA算法将故障信号分解,根据时域互相关准则对分解信号筛选重构;其次,利用鲸鱼优化算法(whale optimization algorithm, WOA)分别优化VMD的参数alpha,K以及MCKD的参数L和M,利用参数优化的VMD对重构信号进行分解,根据峭度指标从分解所得的本征模态函数(intrinsic mode function, IMF)中提取故障特征信号;再次,利用参数优化的MCKD算法增强故障特征;最后,通过频谱包络进行故障诊断。仿真和试验表明,所提方法能在强噪声干扰下有效提取并诊断轴承故障。

关键词：奇异谱分析(SSA) 变分模态分解(VMD) 最大相关峭度解卷积(MCKD) 鲸鱼仿生优化算法(WOA) 轴承故障诊断

重参数化VGG网络在滚动轴承故障诊断中的应用研究

在线全文

学校读者我要写书评

暂无评论

振动与冲击 2023年第11期42卷 313-323页

作者：丁汕汕陈仁文黄翊君刘飞刘昊肖安南京航空航天大学机械结构力学及控制国家重点实验室南京210016 南京航空航天大学自动化学院南京210016

基于神经网络的滚动轴承故障诊断方法训练时,存在诊断准确率低和易受到变工况噪声干扰的问题,提出一种基于重参数化VGG(RepVGG)滚动轴承故障诊断方法。为满足神经网络对数据量的要求,采用数据增强技术来扩充原始数据,使用短时傅里叶变换... 详细信息

基于神经网络的滚动轴承故障诊断方法训练时,存在诊断准确率低和易受到变工况噪声干扰的问题,提出一种基于重参数化VGG(RepVGG)滚动轴承故障诊断方法。为满足神经网络对数据量的要求,采用数据增强技术来扩充原始数据,使用短时傅里叶变换(STFT)对原始的振动信号处理成单通道时频图,并使用伪彩色处理技术转换成三通道时频图,进一步将数据输入到RepVGG网络的不同结构中进行滚动轴承的故障诊断。在凯斯西储大学(CWRU)滚动轴承数据集上开展试验验证,试验结果表明,RepVGG在变工况及噪声干扰下的平均诊断准确率分别为98.02%、95%以上,高于基于VGG、ResNet的故障诊断模型,有较高的故障诊断准确率且泛化性更好。

关键词：轴承故障诊断 RepVGG 数据增强泛化性

一种残差注意力迁移学习方法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

中国机械工程 2023年第3期34卷 332-343页

作者：赵靖杨绍普李强刘永强北京交通大学机械与电子控制工程学院北京100044 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 石家庄铁道大学机械工程学院石家庄050043

提出了一种基于残差注意力卷积神经网络(CSRA-CNN)的迁移学习算法,用于提高滚动轴承的故障诊断精度。在卷积神经网络模型中加入残差注意力机制,使模型在训练过程中更加注重故障特征的提取,从而有效提高迁移准确率。为了测评基于残差注... 详细信息

提出了一种基于残差注意力卷积神经网络(CSRA-CNN)的迁移学习算法,用于提高滚动轴承的故障诊断精度。在卷积神经网络模型中加入残差注意力机制,使模型在训练过程中更加注重故障特征的提取,从而有效提高迁移准确率。为了测评基于残差注意力卷积神经网络的性能,将其与传统卷积神经网络在不同迁移学习策略下的结果进行对比。用动力传动故障诊断综合实验台和高速列车综合实验台对所提算法进行了验证,该方法可以完成变转速以及变转速变载荷下轴承不同健康状态的迁移学习,且迁移效果均优于传统的卷积神经网络。

关键词：迁移学习轴承故障诊断残差注意力特征提取

内对抗指导无监督多域适配网络的轴承协同故障诊断

在线全文

学校读者我要写书评

暂无评论

中国科学：技术科学 2023年第7期53卷 1229-1240页

作者：邵海东陈星恺曹鸿儒姜洪开湖南大学机械与运载工程学院长沙410082 西北工业大学民航学院西安710072

现有的轴承无监督跨域智能故障诊断研究多数是基于单源域自适应开展的,这将导致实际场景中多个拥有充足且多样化诊断信息的源域未能得到协同利用.如何更好地从多个源域中提取到故障轴承的共性特征并融合多源域知识协同诊断是主要挑战.... 详细信息

现有的轴承无监督跨域智能故障诊断研究多数是基于单源域自适应开展的,这将导致实际场景中多个拥有充足且多样化诊断信息的源域未能得到协同利用.如何更好地从多个源域中提取到故障轴承的共性特征并融合多源域知识协同诊断是主要挑战.针对上述问题,本文提出了一种内对抗指导的无监督多域适配网络;构造了一个内对抗模块以计算多源域对抗损失,并联合多组源域-目标域自适应子网指导提取多源域和目标域间的共性特征,增强知识覆盖能力;设计了一个多子网协同决策模块,利用多组源域-目标域的对抗损失和分布差异损失计算置信分数,以辅助多子网分类器做出更佳的融合决策,提升协同故障诊断的准确率.基于恒转速和变转速工况的轴承故障数据构造了多个无监督多源域迁移诊断任务,对比实验结果表明所提方法的优越性和鲁棒性.

关键词：轴承故障诊断迁移学习无监督多域自适应内对抗损失多子网协同决策

在线全文

学校读者我要写书评

暂无评论

基于频域降采样和CNN的轴承故障诊断方法

北京大学学报（自然科学版） 2023年第2期59卷 251-260页

作者：周翔宇毛善君李梅北京大学遥感与地理信息系统研究所北京100871

在工业领域,设备运行过程中采集的原始故障信号具有强噪声以及多工况的特点,现有的基于数据的轴承故障诊断模型的抗噪能力与泛化能力相对较弱。针对以上问题,提出一种基于频域降采样(down-sampling)和卷积神经网络(CNN)的轴承故障诊断方... 详细信息

在工业领域,设备运行过程中采集的原始故障信号具有强噪声以及多工况的特点,现有的基于数据的轴承故障诊断模型的抗噪能力与泛化能力相对较弱。针对以上问题,提出一种基于频域降采样(down-sampling)和卷积神经网络(CNN)的轴承故障诊断方法Ds-CNN。频域降采样包含最大偏移降采样和噪声横截断两个部分,可以实现样本增强,降低样本在频域的差异性,同时减弱噪声对频域信号的影响。基于频域信号建立的CNN模型能够自动提取降采样后频域信号的故障特征,并完成对轴承故障的识别分类。实验结果表明,在强噪声环境和多工况条件下,与目前常用模型相比,Ds-CNN具有更高的识别准确率。

关键词：轴承故障诊断深度学习卷积神经网络(CNN) 强噪声多工况

时变转速下基于改进图注意力网络的轴承半监督故障诊断

在线全文

学校读者我要写书评

暂无评论

电子与信息学报 2023年第5期45卷 1550-1558页

作者：邵海东颜深肖一鸣刘翊湖南大学机械与运载工程学院长沙410082 上海市空间导航与定位技术重点实验室上海200030 国家先进轨道交通装备创新中心株洲412000

新近的基于图神经网络(GNN)的轴承半监督故障诊断研究仍存在标签信息挖掘不充分和诊断场景较理想等问题。工程实际中,轴承经常运行于启停等时变转速工况,且故障标签样本的获取成本越发昂贵。针对以上挑战,该文提出时变转速下基于改进图... 详细信息

新近的基于图神经网络(GNN)的轴承半监督故障诊断研究仍存在标签信息挖掘不充分和诊断场景较理想等问题。工程实际中,轴承经常运行于启停等时变转速工况,且故障标签样本的获取成本越发昂贵。针对以上挑战,该文提出时变转速下基于改进图注意力网络(GAT)的轴承半监督故障诊断新方法。基于K最近邻(KNN)算法和平滑假设(SA)设计伪标签传播策略,将标签信息沿边传播给分布相似的邻域样本,从而充分利用有限样本的标签信息。将每个振动频谱样本视为一个节点,构建基于节点级图注意力网络的半监督学习模型,通过注意力机制进一步挖掘代表性的轴承故障特征。将所提方法用于分析两组时变转速下轴承故障实验数据,结果表明所提方法能够在不超过2%的低标签率情况下,准确诊断轴承的不同故障模式,性能优于其他常用的图神经网络半监督学习方法。

关键词：轴承故障诊断改进图注意力网络时变转速半监督学习极低标签率

类别标签辅助改进稠密网络的变工况轴承故障诊断

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17期41卷 204-212页

作者：孙洁娣刘保温江涛时培明闫盛楠肖启阳燕山大学信息科学与工程学院河北秦皇岛066004 燕山大学河北省信息传输与信号处理重点实验室河北秦皇岛066004 燕山大学河北省测试计量技术及仪器重点实验室河北秦皇岛066004 河南大学人工智能学院郑州475000

基于数据驱动的滚动轴承智能故障诊断得到广泛研究,但多数研究中均假设训练数据与测试数据同分布,考虑到旋转机械实际运转中复杂多变的工况往往导致数据分布产生偏差,使得识别方法的通用性差、实际识别效果不佳。将域适应引入轴承故障... 详细信息

基于数据驱动的滚动轴承智能故障诊断得到广泛研究,但多数研究中均假设训练数据与测试数据同分布,考虑到旋转机械实际运转中复杂多变的工况往往导致数据分布产生偏差,使得识别方法的通用性差、实际识别效果不佳。将域适应引入轴承故障诊断过程中,基于迁移学习提出了一种特征空间域和标签概率分布同步适应的迁移学习网络。该网络将一维稠密卷积网络及注意力机制融合实现复杂故障特征的自动提取;域适应处理通过联合最小化特征概率分布差异和标签概率分布差异来约束网络学习域不变特征;最终对变工况滚动轴承故障实现了高准确度的识别。实验结果表明了该方法的可行性及良好的性能。

关键词：轴承故障诊断变工况稠密卷积网络注意力机制类别标签辅助